주제 중심 및 지식 인식 Transformer를 활용한 대화 감정 탐지

대화 내 감정 탐지(task)는 대화의 근간이 되는 주제(topic)를 식별하고, 관련된 보편적 지식(commonsense knowledge)을 이해하며, 감정 상태 간 복잡한 전이 패턴을 파악해야 하는 등 여러 도전 과제를 내포하고 있다. 본 논문에서는 이러한 과제를 해결하기 위해 주제 중심의 지식 인식 Transformer 모델을 제안한다. 먼저, 주제 탐지에 특화된 추가 레이어를 갖춘 주제 증강 언어 모델(topic-augmented language model, LM)을 설계한다. 이후 대화의 맥락 정보를 기반으로 지식 기반에서 도출된 보편적 진술들을 주제 증강 LM와 결합한다. 마지막으로, 주제 정보와 보편적 지식 정보를 통합하는 Transformer 기반의 인코더-디코더 아키텍처를 통해 감정 레이블 시퀀스 예측을 수행한다. 제안된 모델은 대화 감정 탐지 분야의 네 가지 데이터셋에서 실험을 수행하여 기존 최첨단 기법들에 비해 우수한 성능을 경험적으로 입증하였다. 정량적 및 정성적 실험 결과를 통해 모델이 감정 카테고리 간 구분에 기여하는 주제를 효과적으로 탐지할 수 있음을 확인할 수 있었다.