Passé, présent et futur : la reconnaissance émotionnelle conversationnelle par modélisation structurelle des connaissances psychologiques

La reconnaissance émotionnelle conversationnelle (CER) vise à prédire l’émotion d’un énoncé dans le contexte d’une conversation. Bien que la modélisation du contexte conversationnel et des interactions entre locuteurs ait été largement étudiée, il est essentiel de tenir compte de l’état psychologique du locuteur, qui conditionne son comportement et ses intentions. La méthode actuelle de pointe introduit des connaissances courantes (CSK) afin de modéliser de manière séquentielle (dans les deux sens, avant et après) les états psychologiques. Toutefois, cette approche ignore les interactions structurelles psychologiques entre les énoncés. Dans cet article, nous proposons un graphe d’interaction conscient des connaissances psychologiques (SKAIG). Dans ce graphe localement connecté, l’énoncé cible est enrichi par l’information d’action déduite du contexte passé et par l’intention implicite du contexte futur. L’énoncé est également auto-connecté afin de tenir compte de son propre effet présent. En outre, nous exploitons les CSK pour enrichir les arêtes par des représentations de connaissance et traitons le SKAIG à l’aide d’un transformateur de graphe. Notre méthode atteint des performances de pointe et compétitives sur quatre jeux de données populaires pour la CER.