基于图神经网络的静态与动态说话人建模在对话情感识别中的应用

每个人具有独特的个性，这种个性会影响其情感体验与表达方式。因此，在对话情感识别（Emotion Recognition in Conversation, ERC）任务中，说话人建模具有重要意义。本文提出一种新型基于图结构的ERC模型，该模型同时考虑了对话上下文与说话人个性特征。我们将其说话人内部状态（即个性）建模为静态与动态两种状态，其中动态说话人状态通过基于图神经网络的编码器进行建模。在基准数据集上的实验结果表明，所提模型具有良好的有效性，其性能优于基线方法及其他基于图的方法。结果分析进一步验证了显式说话人建模的重要性。