16 天前
HiTrans:一种基于Transformer的上下文与发言者敏感的情感检测模型
{Yijiang Liu, Meishan Zhang, Fei Li, Donghong Ji, Jingye Li}

摘要
对话中的情绪检测(Emotion Detection in Conversations, EDC)旨在识别多说话人对话中每一句话所表达的情绪。与传统的非对话情绪检测不同,EDC模型需具备上下文敏感性(例如,理解整个对话的语境而非仅单句)和说话人敏感性(例如,识别每句话由哪位说话人说出)。本文提出一种基于Transformer的、兼具上下文与说话人敏感性的EDC模型——HiTrans,该模型由两个层次的Transformer构成。我们采用BERT作为底层Transformer,生成话语的局部表示,并将其输入上层Transformer,使话语表示能够感知对话的全局语境。此外,为增强模型的说话人敏感性,我们引入一种辅助任务——成对话语说话人验证(Pairwise Utterance Speaker Verification, PUSV),其目标是判断两句话是否出自同一说话人。我们在三个基准数据集(EmoryNLP、MELD和IEMOCAP)上对模型进行了评估,实验结果表明,所提模型在各项指标上均优于先前的最先进方法。