计算机应用

作者：王雨, 袁玉波, 过弋, 张嘉杰

单位：1.华东理工大学 信息科学与工程学院, 上海 200237；2.上海大数据与互联网受众工程技术研究中心, 上海 200072；3.大数据流通与交易技术国家工程实验室(上海数据交易所), 上海 200436

关键词：对话情绪识别,情感分类,主题诱导,图神经网络,双向长短时记忆

基金：上海市工程技术中心项目(18DZ2252300)

针对现有的许多研究忽略了说话人的情绪和情感的相关性的问题，提出一种情感增强的图网络对话文本情绪识别模型——SBGN。首先，将主题和对话意图融入文本，并微调预训练语言模型RoBERTa以提取重构的文本特征；其次，给出情绪分析的对称学习结构，将重构特征分别输入图神经网络（GNN）情绪分析模型和双向长短时记忆（Bi-LSTM）情感分类模型；最后，融合情绪分析和情感分类模型，将情感分类的损失函数作为惩罚以构建新的损失函数，并通过学习调节得到最优的惩罚因子。在公开数据集DailyDialog上的实验结果表明，相较于DialogueGCN模型与目前最先进的DAG-ERC模型，SBGN模型的微平均F1分别提高16.62与14.81个百分点。可见，SBGN模型能有效提高对话系统情绪分析的性能。

来源：2023年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第3期