EmotionIC: Emotional Inertia and Contagion-driven Dependency Modelling for Emotion Recognition in Conversation

要約

会話における感情認識 (ERC) は、人間とコンピューターのインターフェイス技術の進歩と実装の結果として、近年ますます注目を集めています。
ただし、グローバルおよびローカルのコンテキスト依存関係をモデル化する以前のアプローチでは、依存関係情報の多様性が失われ、分類レベルでコンテキスト依存関係が考慮されませんでした。
この論文では、特徴抽出および分類レベルでの会話感情認識のために、感情慣性および伝染 (EmotionIC) によって駆動される依存関係モデリングへの新しいアプローチを提案します。
特徴抽出レベルでは、設計された Identity Masked Multi-head Attention (IM-MHA) は、対話におけるアイデンティティベースの遠距離コンテキストをキャプチャして、さまざまな参加者の多様な影響を含み、グローバルな感情的な雰囲気を構築します。
ダイアディック ダイアログの感情的傾向を集約するベースの Gate Recurrent Unit (DialogGRU) を適用して、話者間および話者内の依存関係を使用して文脈上の特徴を改良します。
分類レベルでは、Conditional Random Field (CRF) にスキップ接続を導入することで、Skip-chain CRF (SkipCRF) を精巧に作成し、話者内および話者間の高次の依存関係を捉え、遠く離れた参加者の感情的な流れをエミュレートします。
実験結果は、私たちの方法が 4 つのベンチマーク データセットで最先端のモデルよりも大幅に優れていることを示しています。
アブレーション研究は、私たちのモジュールが感情的な慣性と伝染を効果的にモデル化できることを確認しています。

要約(オリジナル)

Emotion Recognition in Conversation (ERC) has attracted growing attention in recent years as a result of the advancement and implementation of human-computer interface technologies. However, previous approaches to modeling global and local context dependencies lost the diversity of dependency information and do not take the context dependency into account at the classification level. In this paper, we propose a novel approach to dependency modeling driven by Emotional Inertia and Contagion (EmotionIC) for conversational emotion recognition at the feature extraction and classification levels. At the feature extraction level, our designed Identity Masked Multi-head Attention (IM-MHA) captures the identity-based long-distant context in the dialogue to contain the diverse influence of different participants and construct the global emotional atmosphere, while the devised Dialogue-based Gate Recurrent Unit (DialogGRU) that aggregates the emotional tendencies of dyadic dialogue is applied to refine the contextual features with inter- and intra-speaker dependencies. At the classification level, by introducing skip connections in Conditional Random Field (CRF), we elaborate the Skip-chain CRF (SkipCRF) to capture the high-order dependencies within and between speakers, and to emulate the emotional flow of distant participants. Experimental results show that our method can significantly outperform the state-of-the-art models on four benchmark datasets. The ablation studies confirm that our modules can effectively model emotional inertia and contagion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google