초록
최근 들어 대화에서의 감성 분석은 감성 분석, 추천 시스템, 인간-로봇 상호작용 등 다양한 응용 분야에서의 활용 가능성이 증가함에 따라 점점 더 많은 주목을 받고 있다. 대화형 감성 분석과 단일 문장 감성 분석의 주요 차이점은 대화 내에서 발화의 감성을 영향을 미칠 수 있는 맥락 정보가 존재한다는 점이다. 그러나 대화에서 맥락 정보를 효과적으로 인코딩하는 방법은 여전히 도전 과제로 남아 있다. 기존의 접근 방식들은 대화 내의 다양한 당사자들을 구분하기 위해 복잡한 딥러닝 구조를 사용한 후, 맥락 정보를 모델링한다. 본 논문에서는 파티 무관( party-ignorant)한 구조를 갖춘 빠르고 컴팩트하며 파라미터 효율적인 프레임워크인 양방향 감정 순환 유닛(Bidirectional Emotional Recurrent Unit)을 제안한다. 제안하는 시스템에서는 일반화된 신경 텐서 블록과 이중 채널 분류기로 구성된 구조를 설계하여, 각각 맥락의 구성성(compositionality)을 처리하고 감성 분류를 수행한다. 세 가지 표준 데이터셋에서 실시한 광범위한 실험을 통해 제안 모델이 대부분의 경우 최신 기술(SOTA)을 초월함을 입증하였다.