融合多角度常识知识的多标签情绪识别模型

摘要

针对现有情绪识别模型引入常识知识的方式较为简单、将常识知识与文本向量进行直接拼接、没有从多个常识角度构建融合细粒度常识知识的文本语义表示等问题，该文提出了一种融合多角度常识知识的多标签情绪识别模型(multi-perspective commonsense knowledge fusion for multi-label emotion recognition, MER-MPCK).MER-MPCK模型由3个模块构成：文本语义模块、多角度常识知识抽取模块和常识融合预测模块.文本语义模块基于RoBERTa模型提取文本的语义信息；多角度常识知识抽取模块将目标文本和常识推理关系输入COMET模型，从说话者的意图、反应、影响和听者的反应、影响等5个角度抽取出文本中的细粒度常识知识；常识融合预测模块将常识知识表示作为查询(query),将文本语义表示作为键(key)和值(value),采用多头注意力计算得到融合多角度常识的句子嵌入表示，并对情绪标签进行预测.在GoEmotions数据集上的对比实验结果表明：MER-MPCK模型相较于基线模型具有更优的情绪识别性能.

关键词

多标签情绪识别 / 多角度常识知识 / 多头注意力