要約
会話中の感情認識（ERC）では、現在の発話における感情を過去の文脈を考慮して予測する。このアプローチは、自然言語処理の多くのタスクに活用可能である。一方で、与えられた文において複数の感情が同時に存在する場合があるにもかかわらず、従来の多くの手法は分類タスクの観点から、単一のラベルのみを予測していた。しかし、文の感情を信頼性を持って単一ラベルまたは多ラベルでラベル付けすることは、費用がかかり、実施が困難である。本論文では、感情間の相関関係を考慮して自動的にグレースケールラベルを構築し、それを学習に用いる手法を提案する。すなわち、与えられたラベルをワンホット符号化するのではなく、異なる感情に対するスコアを測定してグレースケールラベルを構築する。本研究では、グレースケールラベルを構築するための複数の手法を導入し、それぞれの手法が感情認識性能の向上に寄与することを確認した。提案手法はシンプルでありながら効果的であり、既存のシステムにも普遍的に適用可能である。実験結果から、ベースラインモデルの性能が著しく向上することが示された。