近日，我中心吴清强教授课题组的最新研究成果“Emotrans: Emotional Transition-based Model for Emotion Recognition in Conversation”被自然语言处理学术会议COLING2024(CCF-B)录用。该工作由我中心2021级博士生简忠权，2022级博士生王安特，苏劲松教授，姚俊峰教授、王美红副教授、吴清强教授合作完成。该项工作得到了厦门市公共技术服务平台项目(No.3502Z20231043)支持。
图1 模型结构图
在情感对话中，情感在对话参与者之间因果传递，这是一种基本的对话特征，有助于理解对话过程中情感状态的复杂变化，并有助于缓解因模态信息缺失而导致的话语情感语义偏差。
因此，情感过渡(ET)在会话情感识别(ERC)任务中起着至关重要的作用，但目前的研究尚未得到足够的重视。鉴于此，本文提出了一种基于情绪过渡的情感识别模型EmoTrans。通过拼接历史话语，并使用占位符隐式表达对应情感，构建出包含情绪过渡的模型输入。基于这些占位符，开发了两个组件，使模型对情感敏感，并有效捕捉样本中的ET特征。此外，开发了一种基于情绪过度特征的表示对齐模块，有效压缩了情感表示空间，提高了模型的性能。本工作在四个广泛使用的ERC数据集上进行了详尽的实验，并获得了有竞争力的实验结果，特别是在MELD和IEMOCAP上获得的最新结果，证明了EmoTrans的优越性。
