韩剧对话情感识别用场景转录数据集

在对话中理解情感是一项具有挑战性的任务，因为句子往往蕴含着隐含意义，孤立地看待时难以被普遍理解。高效利用上下文信息对于对话中的情感识别至关重要。目前已有许多已发表的数据集，为基于文本的在线消息、聊天机器人以及电影对白等场景提供了上下文信息。然而，这些基于对话的数据集通常通过选择理想化的对话情境进行采集，因此缺乏对话长度和参与者数量等方面的多样性。这使得它们在应用于基于文本的电影剧本情感识别时存在局限性，因为电影场景中往往存在说话人数和语句长度的显著变化。为此，我们提出一个基于韩剧剧本的对话数据集，旨在分析在场景上下文背景下的情感表现。该数据集名为“韩剧场景剧本情感识别数据集”（Korean Drama Scene Transcript dataset for Emotion Recognition, 简称 KD-EmoR），是一个以文本为基础的对话数据集。我们针对电视剧场景中的三类复杂情感——欣快（euphoria）、低落（dysphoria）与中性（neutral）进行了分析，构建了一个可供公开研究的基准数据集。此外，我们设计了一种具备上下文感知能力的深度学习模型，结合说话人层面的上下文与场景上下文信息进行情感分类，在所提出的数据集上取得了0.63的F1分数，验证了模型的有效性。