شبكة تفاعل المعرفة مع تعلم متعدد المهام يُراعي شدة قطب المشاعر لتمييز المشاعر في المحادثات

تمثل التعرف على المشاعر في المحادثة (ERC) اهتمامًا متزايدًا من قبل مجتمع معالجة اللغة الطبيعية (NLP) في الآونة الأخيرة. ويركز بعض النماذج على استغلال المعرفة البديهية أو التعلم متعدد المهام لمساعدة الاستدلال العاطفي المعقد. ومع ذلك، فإن هذه النماذج تتجاهل التفاعل المباشر بين التصريحات والمعارف. علاوةً على ذلك، تستخدم هذه النماذج مهام مساعدة غير مباشرة تتعلق بالمشاعر، والتي توفر معلومات عاطفية محدودة لل任務 التعرف على المشاعر. ولحل هذه المشكلات، نقترح شبكة تفاعل المعرفة مع التعلم متعدد المهام المُستشعرة لشدة الاتجاه العاطفي، والمعروفة باسم KI-Net، والتي تستفيد من المعرفة البديهية وقائمة كلمات الشعور لتعزيز المعلومات الدلالية. وبشكل خاص، نستخدم وحدة مطابقة ذاتية لتمكين التفاعل الداخلي بين التصريحات والمعارف. وباعتبار الترابط مع مهمة ERC، تم اقتراح مهمة تنبؤ بشدة الاتجاه العاطفي على مستوى العبارات (SPIP) كمهمة مساعدة. وتبين النتائج أن جميع وحدات دمج المعرفة، والمحاكاة الذاتية، ومهام SPIP تُحسّن أداء النموذج بشكل منفصل على ثلاث مجموعات بيانات. علاوةً على ذلك، يُظهر نموذج KI-Net تحسنًا في الأداء بنسبة 1.04% مقارنةً بالنموذج الأكثر تقدمًا على مجموعة بيانات IEMOCAP.