提示学习和知识增强的对话文本情绪识别
作者机构:合肥工业大学管理学院
出 版 物:《情报科学》 (Information Science)
年 卷 期:2024年
核心收录:
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目“基于在线评论的复杂产品用户个性化动态知识服务机制研究(72071061)”的研究成果
主 题:对话情绪识别 提示学习 知识增强 对话理解 情感分析
摘 要:【目的/意义】对话情绪识别是情感分析领域的一个新兴且重要的子领域,旨在从多种预定义情绪中准确识别每个话语的情绪状态。不仅适用于情感相关社交媒体的意见挖掘,还可以实时分析对话情绪,对舆情分析、用户情感洞察等领域有着积极的影响。【方法/过程】提出了一种名为ERC-PrKE的对话情绪识别模型,该模型通过整合从外部结构化数据中学习到的知识,为理解对话提供额外的语境信息,从而增强对话建模并丰富上下文表达。此外,在目标对话输入之后,引入了提示模板,使模型更好地理解目标话语并将其与上下文区分开。【结果/结论】实验结果表明,通过增加提示和引入外部知识使得对话情绪识别的性能提升,在MELD、EmoryNLP和IEMOCAP数据集上性能提升超过2%,在EmoryNLP数据集上更是达到了4.05%的增幅。【创新/局限】提出了一种融入提示与外部知识的对话情感分析模型,为在对话式人工智能迅猛发展的背景下改善用户情感体验提供了新的方向。未来将进一步考虑整合其他外部知识源,以增强情绪识别的鲁棒性和准确性。