情感增强的对话文本情绪识别模型

作者：王雨; 袁玉波; 过弋; 张嘉杰

来源：计算机应用, 2022, 1-10.

• 对话情绪识别
• 情感分类
• 主题诱导
• 图神经网络
• 双向长短时记忆

随着智能对话系统的发展，建模对话结构和信息流并分析对话中的情感是一个具有挑战性的问题。现有的许多研究忽略了对话者的情绪和情感的相关性。针对上述问题，提出了一种情感增强的图网络对话文本情绪识别模型（SBGN）。首先，在文本中用串联的方式融入了主题和对话意图，微调预训练语言模型提取重构的文本特征；其次，给出了情绪分析的对称学习结构，将重构特征分别输入图神经网络（GNN）情绪分析模型和双向长短时记忆（Bi-LSTM）情感分类模型；最后，融合情感和情绪分析模型，将情感分类的损失函数作为惩罚，构建了新的损失函数，通过学习调节得到了最优的惩罚因子。在国际公开数据集DailyDialog上进行验证，重构特征前的模型对比基于图的DialogueGCN模型微平均F1提高1.93个百分点，对比目前先进模型DAG-ERC微平均F1提高0.12个百分点。特征重构后SBGN模型微平均F1达74.14%。实验结果表明，SBGN模型能有效提高对话系统情感分析的性能。

• 单位
  华东理工大学