EmotionIC: Emotional Inertia and Contagion-Driven Dependency Modeling for Emotion Recognition in Conversation

要約

会話中の感情認識 (ERC) は、ヒューマン コンピューター 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。
この論文では、ERC タスクの感情的慣性と伝染 (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。
当社の EmotionIC は、アイデンティティ マスク マルチヘッド アテンション (IMMHA)、対話ベースのゲート付きリカレント ユニット (DiaGRU)、およびスキップ チェーン条件付きランダム フィールド (SkipCRF) の 3 つの主要コンポーネントで構成されます。
以前の ERC モデルと比較して、EmotionIC は特徴抽出レベルと分類レベルの両方で会話をより徹底的にモデル化できます。
提案されたモデルは、注意ベースの方法と再発ベースの方法の利点を特徴抽出レベルで統合することを試みます。
具体的には、IMMHA はアイデンティティベースのグローバルなコンテキスト依存関係を取得するために適用され、DiaGRU は話者および時間認識のローカル コンテキスト情報を抽出するために利用されます。
分類レベルでは、SkipCRF は会話内の高次の隣接する発話から複雑な感情の流れを明示的にマイニングできます。
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たパフォーマンスを発揮できることを示しています。
アブレーション研究により、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が確認されました。

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. In this paper, we propose a novel approach to dependency modeling driven by Emotional Inertia and Contagion (EmotionIC) for ERC task. Our EmotionIC consists of three main components, i.e., Identity Masked Multi-Head Attention (IMMHA), Dialogue-based Gated Recurrent Unit (DiaGRU), and Skip-chain Conditional Random Field (SkipCRF). Compared to previous ERC models, EmotionIC can model a conversation more thoroughly at both the feature-extraction and classification levels. The proposed model attempts to integrate the advantages of attention- and recurrence-based methods at the feature-extraction level. Specifically, IMMHA is applied to capture identity-based global contextual dependencies, while DiaGRU is utilized to extract speaker- and temporal-aware local contextual information. At the classification level, SkipCRF can explicitly mine complex emotional flows from higher-order neighboring utterances in the conversation. 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

著者 Yingjian Liu,Jiang Li,Xiaoping Wang,Zhigang Zeng
発行日 2023-08-28 08:44:09+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CL パーマリンク