要約後に集約：会話感情認識のためのグローバルからローカルへの異種グラフ推論ネットワーク

会話的感情認識（Conversational Emotion Recognition, CER）は自然言語処理（Natural Language Processing, NLP）における重要な課題であり、広範な応用が期待されている。従来のCER研究では、主に発話レベルの特徴のみを用いて感情の影響をモデル化する傾向にあり、発話間におけるフレーズレベルの意味的つながりにはあまり注目が向けられていない。特定のトピック下で感情的な出来事に言及されるフレーズは感情を含み、会話全体にわたり発話間のグローバルな意味的つながりを提供する。本研究では、グローバルからローカルへと段階的に推論を行うことで、トピック関連感情フレーズの認識と隣接発話間の局所的依存関係の推論をスムーズに統合する、二段階型の要約・集約グラフ推論ネットワーク（Summarization and Aggregation Graph Inference Network, SumAggGIN）を提案する。本研究で提案する異種要約グラフ（heterogeneous Summarization Graph）により、トピック関連感情フレーズが同定され、これがグローバルなトピック関連感情的つながりを構成する。さらに、集約グラフ（Aggregation Graph）を用いて、隣接する発話間における短期的な感情的影響を捉える局所的依存関係を注入することで、感情フレーズを含む発話間の微細な違いを明確に区別できる。この二段階のグラフ推論は密接に連携されており、感情の変動を包括的に理解することを可能にする。3つのCERベンチマークデータセットにおける実験結果から、本研究で提案するモデルの有効性が検証され、最先端の手法を上回る性能を示した。