计算机研究与发展

作者：杜金明,孙媛媛,林鸿飞,杨亮,

关键词：对话情绪识别, 对比学习, 知识图谱, 课程学习, 迁移学习,

对话领域情绪识别是基于对话的情感分类任务，对话数据具有口语化、主题跨度大和标签具有语义相似性的特点.口语化表现为对话中存在隐含常识和语法知识的二义性词语和省略句，导致模型难以准确建模语义信息；主题跨度大表现为不同对话场景下的文本信息丰富度差异大、情绪转移频率差异大，导致模型性能下降.提出CK-ERC模型缓解上述问题，在预训练阶段，抽取结构化数据为模型融入常识和语法知识图谱，帮助模型建模口语化信息；在微调阶段引入监督对比学习任务帮助模型识别相似情绪标签；在训练策略上设计了基于动态阈值的课程学习策略，按照文本丰富度从高到低、情绪转移频率从低到高的策略优化模型.CK-ERC模型在双人对话、多人对话、模拟对话、日常对话等多种对话模式下显著优于其他模型，在MELD和EmoryNLP数据集上获得最佳表现.

来源：2024年第5期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2024年第5期