AAAINov, 2018

DialogueRNN：一种用于对话情绪检测的注意力循环神经网络

PDF
TL;DR使用循环神经网络跟踪对话中每个当事人的状态信息以进行情感分类，从而优于两个不同数据集上的现有技术。
emotion detectionconversationsrecurrent neural networksindividual party statesclassification
发现论文，激发创造
  • 对话中语音情感识别的分段特征表示的深度学习

    本文针对会话中情绪识别的复杂性，提出了一种利用双向门控循环神经网络捕捉上下文相关性和说话人之间相互作用的对话情感识别方法。实验结果表明该方法比现有的最先进方法更为有效。

    Feb, 2023

  • Multilogue-Net: 基于上下文的 RNN 用于多模态情感检测和对话情感分析

    本文提出了一种端到端的 RNN 架构，用于处理多模态情感分析和情感检测，该模型考虑到了当前系统所存在的缺点并展现出了领先的性能。

    Feb, 2020

  • DialogueCRN: 上下文推理网络用于对话中情感识别

    提出基于情绪认知理论的多轮递推式推理模块和上下文推理网络的设计，用于提取和整合情感线索以充分理解对话上下文，并在三个公共基准数据集上进行广泛实验，证明了模型的有效性和卓越性。

    Jun, 2021

  • 基于情感和语义的文本对话情感检测方法

    本篇论文提出利用基于 LSTM 的深度学习模型来检测文本对话中的情绪，讨论了利用语义和情感嵌入的半自动化技术来收集训练数据以及结合方案，该方法在真实场景下的表现优于传统机器学习基准线和其他现成的深度学习模型。

    Jul, 2017

  • 用循环神经网络从语音中识别情感

    本文提出了一种利用深度递归神经网络来识别语音情感的方法，通过对小语音时间间隔内计算的一系列声学特征进行训练，同时采用特殊的概率性 CTC 损失函数来考虑包含情感和中性部分的长语音片段，在与最近进展的比较和人类表现的对比中展示了该方法的高质量。

    Jan, 2017

  • 基于讲话者注意力的语音情感识别

    本文提出了一种基于自训练机制以及 Self Speaker Attention 机制的情感识别方法，该方法在 Att-HAC 和 IEMOCAP 上实现了最新的性能表现。

    Apr, 2021

  • 使用基于序列的卷积神经网络在电视秀文本上进行情感检测

    本文介绍了一种基于文本的情感检测语料库及其在多方对话文本上对情感分类的深度学习模型，该模型优于现有方法。该文首先提出了一个新的语料库，提供了 Friends 节目中对话连续发言中七种情感的标注。作者提出了四种基于序列卷积神经网络的模型，其中最好的模型在细粒度和粗粒度情感的准确性分别达到了 37.9% 和 54%。

    Aug, 2017

  • DialogueGCN: 基于图卷积神经网络的对话情感识别

    本研究介绍了 Dialogue Graph Convolutional Network (DialogueGCN) 的方法，使用图神经网络来进行 Emotion recognition in conversation (ERC)，并通过解决当前循环神经网络方法存在的上下文传播问题来提高情感分类效果。

    Aug, 2019

  • 一种融合全局 - 局部感知的双流重复 - 注意力网络，用于情感识别的文本对话

    本文提出一种基于双重 RNN 和多头注意力网络（MAT）的直观双流递归关注网络（DualRAN），该模型旨在解决情感对话（ERC）任务中建模上下文的难题，能够更有效地捕获全局和局部背景信息。实验结果表明 DualRAN 模型优于所有基线，并且每个组件的有效性得到了深入的证明。

    Jul, 2023

  • 情感对话中的自我关注双向 LSTM 模型 EmotionX-DLC

    提出了 SA-BiLSTM 网络，用于 EmotionX 挑战中多情感预测，其联合运用双向 LSTM 和自我注意力网络实现对话语境下模糊情感的分类，测试集中在 Friends 和 EmotionPush 数据集上分别获得 59.6 和 55.0 的不加权准确度。

    Jun, 2018