基于主题驱动与知识感知的Transformer模型用于对话情感检测

对话中的情感检测具有挑战性，因为它通常需要识别对话背后的主题内容、相关的常识知识，以及情绪状态之间复杂的演变模式。本文提出了一种基于主题驱动的、具备常识感知能力的Transformer模型，以应对上述挑战。首先，我们设计了一种增强主题识别能力的语言模型（LM），其额外增加了一层专门用于主题检测。随后，该增强型语言模型结合了基于对话上下文信息从知识库中提取的常识性陈述。最后，基于Transformer的编码器-解码器架构融合了主题信息与常识信息，并完成情感标签序列的预测任务。该模型在四个对话情感检测数据集上进行了实验，实证结果表明其性能优于现有的最先进方法。定量与定性分析均显示，该模型能够有效识别出有助于区分不同情感类别的主题信息。