Apprentissage hybride par curriculum pour la reconnaissance des émotions dans les conversations

La reconnaissance des émotions dans les conversations (ERC) vise à détecter l'étiquette émotionnelle associée à chaque énoncé. Inspirés par des études récentes qui ont démontré qu’alimenter les exemples d’apprentissage dans un ordre significatif, plutôt que de les traiter de manière aléatoire, peut améliorer les performances des modèles, nous proposons un cadre hybride d’apprentissage par curriculum orienté vers l’ERC. Notre cadre repose sur deux curriculums : (1) le curriculum au niveau de la conversation (CC) ; et (2) le curriculum au niveau de l’énoncé (UC). Dans le CC, nous concevons un indicateur de difficulté fondé sur la fréquence des « changements d’émotion » au sein d’une conversation, puis nous planifions les conversations selon un schéma « facile à difficile » en fonction du score de difficulté fourni par cet indicateur. Pour le UC, nous l’implémentons à partir d’une perspective de similarité émotionnelle, permettant progressivement d’affiner la capacité du modèle à distinguer les émotions ambiguës. Grâce à cette stratégie d’apprentissage par curriculum hybride, indépendante du modèle, nous observons une amélioration significative des performances sur une large gamme de modèles d’ERC existants, et parvenons à atteindre de nouveaux résultats d’état de l’art sur quatre jeux de données publics d’ERC.