초록
대화 시스템에서 유사한 의미를 지닌 발화는 다양한 맥락에서 다를 수 있는 감정을 나타낼 수 있다. 따라서 대화 감정 인식에서 화자 의존성과 장거리 맥락적 감정 관계를 모델링하는 것은 핵심적인 과제이다. 한편, 감정 범주 간 구분은 쉽지 않은데, 이는 일반적으로 의미적으로 유사한 감정을 포함하기 때문이다. 이를 해결하기 위해 우리는 유사한 감정을 더 잘 구분할 수 있도록 서로 배타적인 감정 표현을 유도하기 위해 감독형 대조 학습(supervised contrastive learning)을 도입한다. 동시에, 보조적인 응답 생성 작업을 활용하여 모델의 맥락 정보 처리 능력을 강화함으로써, 다양한 맥락에서 의미가 유사한 감정을 정확히 인식하도록 유도한다. 이러한 목적을 달성하기 위해, 이해 및 생성 작업 모두에 매우 적합한 사전 학습된 인코더-디코더 모델인 BART를 기반 모델로 사용한다. 네 가지 데이터셋에 대한 실험 결과, 제안하는 모델이 기존 최고 성능 모델보다 유의미하게 우수한 성능을 보였다. 또한, 제거 실험(ablation study)를 통해 감독형 대조 손실과 생성 손실의 효과가 입증되었다.