《论文阅读》EmoBERTa: Speaker-Aware Emotion Recognition in Conversation with RoBERTa

      • 简介
      • 思路出发点
      • 任务定义
      • 模型结构
        • 构造输入
        • 模型架构
        • 训练过程
      • 实验结果
      • 结论

出版：arXiv

时间：2021

类型：对话中的情感识别

特点：roberta模型+在输入中融入讲话者信息

作者：Taewoon Kim and Piek Vossen

第一作者机构：Vrije Universiteit Amsterdam

简介

我们提出了EmoBERTa:Speaker AwareEmotion Recognition in Conversation with RoBERTa，这是一个解决ERC（会话中的情绪识别）任务的简单而富有表现力的方案。通过简单地在话语前面加上说话者的名字，并在对话中的话语之间插入分离标记，EmoBERTa可以学习说话者内部和说话者之间的状态和上下文，以端到端的方式预测当前说话者的情绪。我们的实验表明，我们使用基本和直接的方法，在两个主流的ERC数据集上达到了最新的水平。我们已经开源了代码和模型在 https://github/tae898/erc.

思路出发点

作者认为 ERC 可以认为是一种特殊的序列建模，因为情绪预计会由任何模态中的前一个事件触发

ERC can be seen as a special case of sequence modeling, since emotions are expected to be triggered by a preceding event in any modality.

序列建模可以由 encoder-only 的模型如B