DialogueGCN: 대화에서 감정 인식을 위한 그래프 컨볼루션 신경망

대화에서 감정 인식(Emotion Recognition in Conversation, ERC)은 건강 관리, 교육, 인사 관리 등 다양한 분야에서 광범위한 응용 가능성을 지니고 있어 최근 연구자들로부터 많은 관심을 받고 있습니다. 본 논문에서는 그래프 신경망 기반의 접근 방법인 대화 그래프 합성곱 네트워크(Dialogue Graph Convolutional Network, DialogueGCN)를 제시합니다. 우리는 대화 참여자들의 자기 종속성과 상호 종속성을 활용하여 감정 인식을 위한 대화 맥락을 모델링합니다. 그래프 네트워크를 통해 DialogueGCN은 현재 RNN(Recurrent Neural Network) 기반 방법에서 발견되는 맥락 전파 문제를 해결합니다. 우리는 경험적으로 이 방법이 이러한 문제를 완화시키면서 동시에 여러 벤치마크 감정 분류 데이터셋에서 현존하는 최신 기술보다 우수한 성능을 보임을 입증하였습니다.