摘要
对话情感识别（Conversational Emotion Recognition, CER）旨在根据对话上下文预测某一话语所表达的情感。尽管已有大量研究致力于建模对话上下文及说话者之间的交互关系，但说话者的心理状态——直接影响其行为与意图——仍需被充分考虑。当前最先进的方法通过引入常识知识（Commonsense Knowledge, CSK）以顺序方式（前向与后向）建模心理状态，然而该方法忽略了话语之间存在的结构性心理交互关系。为此，本文提出一种心理知识感知的交互图结构（pSychological-Knowledge-Aware Interaction Graph, SKAIG）。在局部连接的图结构中，目标话语将融合来自过去上下文所推断出的行为信息以及未来上下文所隐含的意图信息，从而实现更全面的语境理解。同时，话语自身通过自连接机制，纳入其当前状态的自我影响。此外，本文利用CSK为图边注入知识表征，并采用图Transformer对SKAIG进行有效建模与处理。实验结果表明，所提方法在四个主流CER数据集上均取得了当前最优且具有竞争力的性能表现。