대화 기반 전이 학습을 통한 정서 인식

대화에서 감정을 인식하는 것은 자기 및 타인 간의 영향으로 인해 발생하는 맥락적 종속성 때문에 도전적인 과제이다. 최근의 접근 방식들은 이러한 종속성을 주로 지도 학습을 통해 모델링하고 있다. 그러나 순수하게 지도 학습 기반의 전략은 대부분의 관련 코퍼스에서 부족한 레이블링된 데이터를 요구하며, 이는 실제 적용에 큰 제약을 초래한다. 이러한 문제를 해결하기 위해 우리는 전이 학습(transfer learning) 접근법을 실용적인 대안으로 고려한다. 대화 데이터가 상대적으로 풍부한 점을 고려하여, 생성형 대화 모델이 맥락 내 감정 탐지에 필요한 감정 지식을 전이할 수 있는지 탐색한다. 본 연구에서는 다중 라운드 대화(소스) 데이터를 기반으로 계층적 대화 모델을 사전 학습한 후, 그 파라미터를 대화형 감정 분류기(타겟)에 전이하는 TL-ERC라는 새로운 접근법을 제안한다. 기존의 사전 훈련된 문장 인코더를 사용하는 일반적인 방식 외에도, 본 방법은 전체 대화에 걸쳐 문장 간 맥락을 모델링하는 순환 파라미터를 추가로 포함하고 있다. 이 아이디어를 바탕으로 다양한 데이터셋에서 실험을 수행한 결과, 제한된 학습 데이터 상황에서도 성능과 강건성이 향상됨을 확인하였다. 또한 TL-ERC는 훨씬 적은 에포크 수로도 검증 성능이 우수한 결과를 보였다. 종합적으로 볼 때, 대화 생성 모델을 통해 습득한 지식은 대화 내 감정 인식에 실제로 유용함을 시사한다.