融合主题模型的图神经网络对话情感识别

摘要

对话情感识别（ERC）旨在预测对话中语句的情感类别。目前，基于图神经网络的ERC方法主要采用固定的超参数来确定图中边的连接，缺乏针对不同数据进行自适应构边的策略，且忽略了语句间的主题关系。此外，在图神经网络的训练过程中，这些方法通常采用求和叠加的方式来聚合节点信息，限制了模型的非线性能力。为此，本文将主题模型与图神经网络相融合，提出了一种新的构边方法。首先利用主题模型获取对话中语句的主题分布，然后将具有相同主题的语句相互连接。同时，引入了SwiGLU门控单元，用于调控图神经网络中层与层之间的信息流动。在边的类型方面，考虑了人物信息的差异，以更好地捕捉情感变化的内因和外因。通过在4个公开数据集（IEMOCAP、 MELD、 EmoryNLP、 DailyDialogue）上进行的广泛实验，与当前先进的ERC方法相比，本文的方法在前3个数据集上的F1分数分别提升了1.69%, 0.27%和0.38%。此外，本文的自适应方法在长对话上的效果提升了2.11%，优于短对话的0.8%，同时，通过引入SwiGLU有效减缓了图神经网络中的过度平滑现象。综合结果表明，本文提出的融合主题模型进行自适应构边以及引入SwiGLU门控单元的图神经网络方法，能够有效提高对话情感识别的效果，增强模型的鲁棒性。

关键词

对话情感识别 / 图神经网络 / 主题模型 / 门控单元 / 图结构