要約
会話中の感情認識（Emotion Recognition in Conversation: ERC）は、会話内の各発話の背後にある感情を検出することを目的としています。このタスクにおいて、発話の表現を効果的に生成することは依然として大きな課題となっています。最近の研究では、この問題に対処するための様々なモデルが提案されていますが、興奮と喜びなどの類似した感情を区別する点でまだ苦戦しています。この問題を緩和するために、我々は感情アンカー対照学習（Emotion-Anchored Contrastive Learning: EACL）フレームワークを提案します。これにより、類似した感情の発話表現をより区別しやすく生成することができます。具体的には、ラベルエンコーディングを使用してアンカーとして設定し、発話表現の学習をガイドするとともに、類似した感情のアンカー間での有効な分離を確保する補助的な損失関数を設計しました。さらに、追加の適応プロセスも提案しており、これによりアンカーが効果的な分類器として機能し、分類性能の向上に寄与します。広範な実験を通じて、我々が提案するEACLは最先端の感情認識性能を達成し、特に類似した感情において優れた性能を示しています。当該コードは https://github.com/Yu-Fangxu/EACL で公開されています。