摘要
本文聚焦于对话中说话者情绪的识别与理解。现有相关研究多集中于提升情绪预测的准确性，而忽视了在局部上下文受到对抗性攻击干扰时模型的鲁棒性问题。为在保证准确性的前提下增强模型的鲁棒性，本文提出一种引入全注意力主题正则化机制的情感识别器。该机制在建模对话局部上下文时，能够引入与情绪相关的全局语义视角。为此，我们设计了一种联合主题建模策略，从表示学习与损失函数两个层面实现正则化。为避免过度正则化，我们摒弃了传统主题建模中对先验分布的约束，完全基于注意力对齐关系进行概率近似。实验结果表明，所提模型在多项指标上优于当前最先进的方法，并在三类对抗性攻击下展现出显著增强的鲁棒性。