InstructERC: 多タスク検索強化型大規模言語モデルを用いた会話中感情認識の改革

会話の感情認識（ERC）分野では、文の特徴エンコーディングとコンテキストモデリングの分離に焦点が当てられており、統合的な設計に基づく生成的パラダイムの探索が不足しています。本研究では、大規模言語モデル（LLMs）を基盤とする新しいアプローチであるInstructERCを提案し、ERCタスクを識別的フレームワークから生成的フレームワークへと再定式化します。InstructERCは以下の3つの重要な貢献を行います：(1) 単純ながら効果的な検索テンプレートモジュールを導入し、モデルが明示的に多粒度対話監督情報を統合できるようにします。(2) 発話者識別タスクと感情予測タスクという2つの追加的感情アライメントタスクを導入し、会話における対話役割関係と将来の感情傾向を間接的にモデル化します。(3) 先駆的に、フィーリングホイールを通じてベンチマーク間で感情ラベルを統一し、実際の応用シナリオに適合させます。InstructERCはこの統合データセットでも印象的な性能を発揮します。我々の大規模言語モデルベースのプラグインフレームワークは、以前のすべてのモデルを大幅に上回り、一般的に使用される3つのERCデータセットで包括的な最先端（SOTA）性能を達成しました。パラメータ効率とデータスケーリングに関する広範な分析実験により、実践的なシナリオでの適用に対する経験的ガイダンスが提供されます。