Reconnaissance d'émotion dans la conversation basée sur une modélisation statique et dynamique des locuteurs par réseau de neurones graphes

Chaque individu possède une personnalité unique qui influence la manière dont il ressent et exprime les émotions. Par conséquent, la modélisation du locuteur est essentielle pour la reconnaissance des émotions dans les conversations (ERC). Dans cet article, nous proposons un nouveau modèle d'ERC basé sur les graphes, qui prend en compte à la fois le contexte conversationnel et la personnalité du locuteur. Nous modélisons l'état interne du locuteur (personnalité) sous deux formes : un état statique et un état dynamique. L'état dynamique du locuteur est capturé à l’aide d’un encodeur fondé sur les réseaux de neurones sur graphe. Les expériences menées sur un jeu de données standard démontrent l’efficacité de notre modèle, qui surpasse les méthodes de référence ainsi que d’autres approches basées sur les graphes. Une analyse des résultats confirme également l’importance de la modélisation explicite du locuteur.