S+PAGE：一种面向对话情感识别的说话人与位置感知图神经网络模型

近年来，对话中的情感识别（Emotion Recognition in Conversation, ERC）因其在广泛应用场景中的重要性而受到广泛关注。现有ERC方法大多分别建模说话人自身上下文与跨说话人上下文，导致二者之间交互不足，成为制约性能提升的关键问题。为此，本文提出一种新型的说话人与位置感知图神经网络模型——S+PAGE（Speaker and Position-Aware Graph neural network for ERC），该模型包含三个阶段，旨在融合Transformer与关系图卷积网络（Relational Graph Convolution Network, R-GCN）的优势，实现更优的上下文建模。首先，设计了一种双流对话Transformer，用于提取每个话语的粗粒度自身上下文与跨说话人上下文特征。其次，构建了一个融合说话人身份与位置信息的对话图结构，并提出一种增强型R-GCN模型——PAG（Position-Aware Graph convolution），通过相对位置编码对粗粒度特征进行精细化调整。最后，将前两个阶段提取的特征输入条件随机场（Conditional Random Field, CRF）层，以建模情感在对话中的传递过程。