emotion recognition in conversations | BriefGPT

关键词emotion recognition in conversations

搜索结果 - 10

AIMDiT：情感识别中的多模态维度转换增强和交互
AIMDiT 框架以模态增强网络和模态交互网络为基础，实现了深度特征的多模态融合，通过在公共基准数据集 MELD 上的实验证明，在 Acc-7 和 w-F1 指标上相对于现有模型取得了 2.34% 和 2.87% 的提升。
PDF3 months ago
ACLIITK 参加 SemEval-2024 任务 10: 说话人是谁？通过说话人嵌入改进对话中的情感识别和反转推理
本研究提出了一种基于遮蔽记忆网络和参与讲话者的转换器模型，用于在对话中的情感识别及情感变化推理，并介绍了可能触发情感变化的对话区域。该方法在第三子任务中相对任务基准模型提高了 5.9（F1 分数），故设计选择在该方法中具备重要意义。
PDF3 months ago
LineConGraphs：利用图神经网络进行有效情感识别的线性对话图
情感识别对话（ERC）是情感计算的重要方面，它在医疗保健、教育、聊天机器人和社交媒体平台等方面具有许多实际应用。我们提出了适用于 ERC 分析的新型线性对话图卷积网络（LineConGCN）和图注意力（LineConGAT）模型，并评估了模
PDF7 months ago
模糊指纹变换语言模型在对话情绪识别中的应用
本论文将 Fuzzy Fingerprints 与 RoBERTa 相结合，在 Emotion Recognition in Conversations（ERC）任务中获得了最先进的结果，并提供了更简单和可解释性更强的 Large Lang
PDF10 months ago
从口到腹：解决任务型对话情感识别学习的关键步骤
本文提出了一个将闲聊型情绪识别模型转变为面向任务型的框架，通过改进稀有情绪的增强方法、将对话状态作为辅助特征以及设计多任务学习目标和情绪 - 距离加权损失函数来显著提高模型性能，并在 EmoWOZ 数据集上进行了验证。该模型具有强大的零样本
PDF10 months ago
基于上下文的嵌入式话语表示在对话情感识别中的应用
基于 RoBERTa 编码器的上下文依赖嵌入话语表示法为核心的情感识别方法通过在分类模型中附加简单的分类模块来实现有效性，证明了这种方法在比复杂分类模块更有效的情境无关话语表示方法上表现更好。
PDFa year ago
文本对话中的深度情感识别：一项调查
介绍情感识别和相关挑战和机遇。然后描述了主要的情感分类法和应对主观性注释的方法。接着详细阐述了深度学习方法以及处理任务性能指标和不平衡 ERC 数据的方法。最后，对关键 ERC 工作进行了描述和基准测试，并比较了它们在不同数据集上的方法和性
PDF2 years ago
COLING情感形状：通过情感变化在对话中进行多模态情感识别
本文提出了一种多模态 ERC 模型，并在其上添加了情感转移组件以提高性能，在 MOSEI 和 IEMOCAP 数据集上的结果表明，情感转移信号的加入有助于该模型优于现有的 ERC 模型。
PDF3 years ago
EMNLP对话中上下文回合建模的基于图的网络
该研究提出了一种基于对话理解的 TUCORE-GCN 模型，将情感识别任务视为一种基于对话的关系抽取。在对话抽取和情感识别数据集上进行的实验表明，该模型在各种对话类的自然语言理解任务中非常有效，优于大多数基准数据集上的现有模型。
PDF3 years ago
EMNLP利用无监督数据进行对话情感识别
该论文提出了一种使用无监督对话数据进行预训练的方法，通过 Conversation Completion 任务来预训练一个基于上下文的编码器（Pre-CODE），从而能够在 ERC 数据集上实现显着的性能提升。
PDF4 years ago