Vergangenheit, Gegenwart und Zukunft: Emotionserkennung im Gespräch durch strukturelle Modellierung psychologischen Wissens

Die Emotionserkennung im Gespräch (CER) ist eine Aufgabe, die Emotionen eines Äußerungs im Kontext eines Gesprächs vorherzusagen. Obwohl die Modellierung des Gesprächs kontextes und der Interaktionen zwischen Sprechern umfassend untersucht wurde, ist es wichtig, den psychologischen Zustand des Sprechers zu berücksichtigen, der die Handlung und Absicht des Sprechers steuert. Die neueste Methode führt CommonSense-Wissen (CSK) ein, um psychologische Zustände sequenziell (vorwärts und rückwärts) zu modellieren. Allerdings ignoriert sie die strukturellen psychologischen Interaktionen zwischen Äußerungen. In diesem Papier schlagen wir einen pSychological-Knowledge-Aware Interaction Graph (SKAIG) vor. Im lokal verbundenen Graphen wird die gezielte Äußerung mit Informationen über Handlungen, die aus dem vergangenen Kontext abgeleitet werden, und Absichten, die durch den zukünftigen Kontext impliziert werden, angereichert. Die Äußerung ist selbstverknüpft, um den gegenwärtigen Effekt von sich selbst zu berücksichtigen. Darüber hinaus nutzen wir CSK, um Kanten mit Wissensdarstellungen zu bereichern und den SKAIG mit einem Graph Transformer zu verarbeiten. Unsere Methode erreicht Leistungen auf dem neuesten Stand der Technik und wettbewerbsfähige Ergebnisse auf vier populären CER-Datensätzen.