S+PAGE: 대화에서 감정 인식을 위한 발화자 및 위치 인지 그래프 신경망 모델

대화 내 감정 인식(ERC)은 다양한 응용 분야에서의 필수성으로 인해 최근 몇 년간 큰 주목을 받고 있다. 기존의 ERC 방법들은 주로 자기 내부(context)와 발화자 간(context)의 맥락을 별도로 모델링하는 방식을 채택하고 있으며, 이로 인해 두 맥락 간의 상호작용이 부족하다는 주요한 한계가 존재한다. 본 논문에서는 Transformer와 관계형 그래프 컨볼루션 네트워크(R-GCN)의 장점을 결합하여 보다 효과적인 맥락 모델링을 가능하게 하는 새로운 스피커 및 위치 인지 그래프 신경망 모델(S+PAGE)을 제안한다. 제안하는 모델은 세 단계로 구성된다. 첫 번째 단계에서는 각 발화에 대해 거시적인 자기 내부 및 발화자 간 맥락 특징을 추출하기 위해 이중 스트림 대화형 Transformer를 제안한다. 두 번째 단계에서는 스피커 및 위치 인지 대화 그래프를 구축하고, 상대적 위치 인코딩을 기반으로 거시적 특징을 보정하기 위해 개선된 R-GCN 모델인 PAG(Position-Aware Graph)를 제안한다. 마지막으로, 앞선 두 단계에서 추출된 특징을 조건부 확률 필드(CRF) 계층에 입력하여 감정 전이를 모델링한다.