汇总前聚合：面向对话情感识别的全局至局部异构图推理网络

对话情感识别（Conversational Emotion Recognition, CER）是自然语言处理（Natural Language Processing, NLP）中的关键任务，具有广泛的应用前景。以往的研究在CER中通常仅依赖话语级（utterance-level）特征来建模情感影响，而较少关注话语之间的短语级语义关联。事实上，当短语被用于描述特定话题下的情感事件时，其本身承载着情感信息，从而在整段对话中建立起全局性的语义连接。为此，本文提出一种两阶段的摘要与聚合图推理网络（Summarization and Aggregation Graph Inference Network, SumAggGIN），以自上而下（global-to-local）的方式，无缝融合话题相关情感短语的推理与相邻话语间的局部依赖关系建模。首先，通过所提出的异构摘要图（Heterogeneous Summarization Graph）识别出构成全局话题相关情感连接的话题相关情感短语；随后，借助聚合图（Aggregation Graph）进一步注入局部依赖信息，以捕捉相邻话语之间短期情感效应的细微差异。两个阶段的图推理过程紧密耦合，实现了对情感波动的全面理解。在三个CER基准数据集上的实验结果表明，所提出的模型显著优于现有最先进方法，验证了其有效性与优越性。