基于语篇解析和图注意力网络的对话情绪识别

Abstract

对话情绪识别研究主要聚焦于融合对话上下文和说话者建模的相互关系。当前研究通常忽略对话内部存在的依存关系，导致对话的上下文联系不够紧密，说话者之间的关系也缺乏逻辑。因此，提出了一种基于语篇解析和图注意力网络（discourse parsing and graph attention network，DPGAT）的对话情绪识别模型，将对话内部的依存关系融入语境建模过程中，使语境信息更具有依赖性和全局性。首先，通过语篇解析获取对话内部的话语依存关系，构建语篇依存关系图和说话者关系图。随后，通过多头注意力机制将不同类型的说话者关系图进行内部融合。此外，在图注意力网络的基础上，结合依存关系进行循环学习，以达到上下文信息和说话人信息的有效融合，实现对话语境信息的外部融合。最终，通过分析内、外部融合的结果还原完整对话语境，并对说话者的情绪进行分析。通过在英文数据集MELD、EmoryNLP、DailyDialog和中文数据集M3ED上进行评估验证，F1分数分别为66.23%、40.03%、59.28%、52.77%，与主流的模型相比，所提模型具有较好的适用性，可在不同的语言场景中使用。

Keywords

• 对话情绪识别
• 语篇解析
• 图注意力网络