Emotion-Anchored Contrastive Learning Framework for Emotion Recognition in Conversation

要約

会話中の感情認識 (ERC) には、会話内の各発話の背後にある根底にある感情の検出が含まれます。
このタスクでは、発話の表現を効果的に生成することが依然として大きな課題です。
最近の研究では、この問題に対処するためにさまざまなモデルが提案されていますが、興奮と幸福などの類似した感情を区別するのに依然として苦労しています。
この問題を軽減するために、類似した感情に対してより区別しやすい発話表現を生成できる感情アンカー対照学習 (EACL) フレームワークを提案します。
これを達成するために、ラベル エンコーディングをアンカーとして利用して発話表現の学習をガイドし、同様の感情に対するアンカーを効果的に分離できるように補助損失を設計します。
さらに、追加の適応プロセスが提案されており、分類パフォーマンスを向上させる効果的な分類子として機能するようにアンカーを適応させます。
広範な実験を通じて、私たちが提案する EACL は最先端の感情認識パフォーマンスを達成し、同様の感情に対して優れたパフォーマンスを示します。
私たちのコードは https://github.com/Yu-Fangxu/EACL で入手できます。

要約(オリジナル)

Emotion Recognition in Conversation (ERC) involves detecting the underlying emotion behind each utterance within a conversation. Effectively generating representations for utterances remains a significant challenge in this task. Recent works propose various models to address this issue, but they still struggle with differentiating similar emotions such as excitement and happiness. To alleviate this problem, We propose an Emotion-Anchored Contrastive Learning (EACL) framework that can generate more distinguishable utterance representations for similar emotions. To achieve this, we utilize label encodings as anchors to guide the learning of utterance representations and design an auxiliary loss to ensure the effective separation of anchors for similar emotions. Moreover, an additional adaptation process is proposed to adapt anchors to serve as effective classifiers to improve classification performance. Across extensive experiments, our proposed EACL achieves state-of-the-art emotion recognition performance and exhibits superior performance on similar emotions. Our code is available at https://github.com/Yu-Fangxu/EACL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google