6、多方对话情感识别的多超图神经网络

多方对话情感识别的多超图神经网络

1. 引言

随着对话行为在各个领域的普及，对话中的情感识别（ERC）越来越受到关注。ERC 的主要目的是识别对话中每个话语的情感，识别出的情感可用于社交媒体的观点挖掘、构建对话助手以及进行医学心理分析等。然而，ERC，尤其是多方对话中的情感识别（ERMC），由于对话的情感动态性，往往比传统的文本情感分析更具挑战性。

在对话中，参与者之间存在两种情感依赖关系：自我依赖和相互依赖。自我依赖是指说话者之前所说的话对当前话语的影响，而相互依赖则是指其他说话者的话语对当前说话者的影响。因此，识别多方对话中一个话语的情感不仅取决于其本身及其上下文，还取决于说话者的自我依赖和相互依赖。

一些基于循环神经网络的工作开始关注对话上下文建模和特定说话者建模，但它们不能很好地利用其他说话者的话语来影响当前话语。而基于图神经网络的工作虽然试图建立更完善的话语关系，但模型性能会受到话语间关系类型和数量的影响。此外，说话者的情感变化可能是由多个说话者的多个话语的共同影响引起的，相互依赖比自我依赖更复杂。因此，有必要单独构建一个图网络来建模相互依赖，特别是对于多方对话，这样可以更好地识别同一说话者连续话语之间的情感转变问题。

超图结构可以处理多个说话者的多个话语对一个话语的影响。通过节点 - 边 - 节点转换，超图神经网络可以更好地表示底层数据关系，并在节点之间建立更复杂和高级的关系。在本文中，我们分别构建了两个超图来进行特定说话者建模和非特定说话者建模，以处理参与者之间的自我依赖和相互依赖。

主要贡献如下：
- 为参与者之间的两种不同依赖关系构建超图，并设计了用于多方对话情感识别的多超图神经网络。据我们所知，这是首次单独为相