Vergangenheit, Gegenwart und Zukunft: Konversationelle Emotionserkennung durch strukturelle Modellierung psychologischen Wissens

Die Gesprächsbezogene Emotionserkennung (Conversational Emotion Recognition, CER) ist eine Aufgabe, bei der die Emotion einer Äußerung im Kontext eines Gesprächs vorhergesagt werden soll. Obwohl die Modellierung des Gesprächskontexts und der Interaktionen zwischen Sprechern umfassend erforscht wurde, ist es entscheidend, den psychologischen Zustand des Sprechers zu berücksichtigen, da dieser das Verhalten und die Absicht des Sprechers steuert. Die derzeit fortschrittlichste Methode integriert allgemeines Wissen (Commonsense Knowledge, CSK) sequenziell (vorwärts und rückwärts) zur Modellierung psychologischer Zustände. Allerdings vernachlässigt sie die strukturellen psychologischen Wechselwirkungen zwischen Äußerungen. In diesem Paper stellen wir einen pSychological-Knowledge-Aware Interaction Graph (SKAIG) vor. In dem lokal verbundenen Graphen wird die Zieläusserung durch Informationen über Handlungen, die aus dem vorherigen Kontext abgeleitet werden, und durch Implikationen von Absichten, die aus dem zukünftigen Kontext hervorgehen, verstärkt. Die Äußerung ist selbstverbunden, um den gegenwärtigen Einfluss aus sich selbst zu berücksichtigen. Darüber hinaus nutzen wir CSK, um die Kanten des Graphen mit wissensbasierten Repräsentationen zu bereichern, und verarbeiten den SKAIG mittels eines Graphen-Transformers. Unser Ansatz erreicht state-of-the-art sowie wettbewerbsfähige Ergebnisse auf vier gängigen CER-Datensätzen.