要約
複数者間会話における感情認識（ERMC）は、自然言語処理分野における新たな研究トピックとして、ますます注目を集めつつある。従来の研究は、順次的な情報の探索に注力してきたが、会話の話法的構造（discourse structures）にはほとんど注目してこなかった。本研究では、ERMCにおける情報性のある文脈的手がかりおよび話者固有の特徴を扱う上で、話法的構造の重要性を検討する。その目的の下、ERMCに特化した話法意識型グラフニューラルネットワーク（ERMC-DisGCN）を提案する。特に、対話者間の自己話者依存性（self-speaker dependency）を活用して文脈情報を伝搬するための関係性畳み込み（relational convolution）を設計した。さらに、依存する発話からより情報量の高い手がかりを選択するためのゲート付き畳み込み（gated convolution）を導入した。実験結果から、本手法が複数のベースラインを上回ることを示した。これは、話法的構造がERMCにおいて極めて価値ある役割を果たしていることを裏付けている。