التنبؤ بالمشاعر في المحادثات باستخدام نموذج تحويلي موجهة بالموضوع ومُستنِد إلى المعرفة

كشف المشاعر في المحادثات يُعد تحديًا كبيرًا نظرًا لضرورة تحديد المواضيع الموضوعية الكامنة وراء المحادثة، والمعرفة الشائعة ذات الصلة، وأنماط الانتقال المعقدة بين الحالات العاطفية. في هذا البحث، نقترح نموذجًا يُسمى Transformer مُوجه بالمواضيع ومُدرك للمعرفة (Topic-Driven Knowledge-Aware Transformer) لمعالجة التحديات المذكورة أعلاه. أولاً، نصمم نموذج لغوي مُعزز بالموضوعات (LM) يحتوي على طبقة إضافية متخصصة في كشف المواضيع. ثم ندمج هذا النموذج المُعزز بالموضوعات مع عبارات المعرفة الشائعة المستمدة من قاعدة معرفية، مع الأخذ بعين الاعتبار السياق الحواري. وأخيرًا، نستخدم بنية مشفرة-فكّر قائمة على الترانسفورمر (Transformer-based encoder-decoder) لدمج المعلومات المتعلقة بالموضوعات والمعرفة الشائعة، وإجراء تنبؤ بتسلسل تسميات المشاعر. تم اختبار النموذج على أربع مجموعات بيانات في مجال كشف المشاعر في المحادثات، وأظهر أداءً متفوقًا بشكل تجريبي مقارنة بالطرق الرائدة الحالية. وتُظهر النتائج الكمية والكيفية أن النموذج قادر على اكتشاف المواضيع التي تسهم في التمييز بين فئات المشاعر.