Détection d'émotions dans les dialogues par un Transformer piloté par le sujet et conscient des connaissances

La détection des émotions dans les dialogues est un défi, car elle nécessite souvent l’identification des thèmes thématiques sous-jacents à une conversation, des connaissances du sens commun pertinentes, ainsi que la modélisation des motifs complexes de transition entre les états émotionnels. Dans cet article, nous proposons un modèle Transformer piloté par les thèmes et conscient des connaissances, afin de relever ces défis. Nous concevons d’abord un modèle linguistique enrichi par les thèmes (topic-augmented LM), doté d’une couche supplémentaire spécialisée dans la détection des thèmes. Ce modèle linguistique enrichi est ensuite combiné avec des énoncés du sens commun extraits d’une base de connaissances, en fonction du contexte dialogique. Enfin, une architecture d’encodeur-décodeur basée sur le Transformer fusionne les informations thématiques et les connaissances du sens commun, avant d’effectuer la prédiction de séquences d’étiquettes émotionnelles. Le modèle a été évalué sur quatre jeux de données dans le domaine de la détection des émotions en dialogue, démontrant empiriquement son avantage par rapport aux approches les plus récentes de l’état de l’art. Les résultats quantitatifs et qualitatifs montrent que le modèle est capable de repérer efficacement les thèmes, qui contribuent à mieux distinguer les catégories émotionnelles.