面向情绪原因建模与知识增强的多任务对话情绪识别

摘要

对话情绪识别研究证明了对会话上下文信息建模的重要性，然而现有模型在建模历史上下文时通常忽略了情感原因这一重要因素，从而导致模型性能不佳。针对此问题，提出一个多任务学习模型，将对话情绪识别作为任务、情感原因提取作为辅助任务，进行联合学习；引入基于COMET的外部知识，通过依赖关系对语义特征向量进一步丰富精炼，设计了一个感知说话人关系的图神经网络，捕捉说话人内外依赖关系并计算情感原因向量，通过交叉注意力机制将增强的语义矢量和情感原因向量进行融合。在2个不同基准数集上的实验结果证明了所提模型的优势和有效性。

关键词

对话情绪识别 / 情感原因 / 多任务学习 / 原因情感图神经网络

基金资助

国家自然科学基金项目(42374087)