摘要
对话中的情感识别（Emotion Recognition in Conversations, ERC）在多个领域日益受到关注，因其可用于分析用户行为并识别虚假新闻。近年来，诸多ERC方法采用基于图的神经网络，以考虑说话人话语之间的相互关系。特别是当前最先进的方法通过关系图注意力网络（Relational Graph Attention Networks, RGAT）建模对话中的自相关性与跨说话人依赖关系。然而，基于图的神经网络通常忽视了序列信息。为此，本文提出了一种关系位置编码（Relational Position Encodings），旨在将反映关系图结构的序列信息引入RGAT模型。由此，我们的RGAT模型能够同时捕捉说话人依赖关系与序列上下文信息。在四个ERC基准数据集上的实验结果表明，所提方法显著提升了对话情感识别的性能。此外，该方法在所有基准数据集上均在实证上超越了现有最先进水平。