LaERC-S: 대화에서 화자 특성을 활용한 LLM 기반 감정 인식 개선

대화에서의 감정 인식(Emotion Recognition in Conversation, ERC)은 대화 내 각 발화에서 인간의 감정을 파악하는 과제로, 인간-컴퓨터 상호작용 시스템에서 주목받고 있습니다. 이전의 ERC 연구는 주로 발화 간의 관계에서 유래하는 화자 특유의 정보에 초점을 맞추었으나, 이는 대화 전반에 대한 충분한 정보를 제공하지 못했습니다. 최근 ERC 연구에서는 화자 모델링과 함께 사전 훈련된 대형 언어 모델(Large Language Models, LLMs)을 활용하여 감정 상태를 이해하려는 시도가 이루어졌습니다. 이러한 방법들이 긍정적인 결과를 얻었음에도 불구하고, 추출된 화자 특유의 정보는 감정 변화를 명확히 나타내기 어려웠습니다. 본 논문에서는 화자의 특성과 LLMs가 풍부한 세계 지식을 가지고 있다는 점에 착안하여, LaERC-S라는 새로운 프레임워크를 제시합니다. 이 프레임워크는 LLMs가 대화 참여자의 정신 상태와 행동을 포함한 화자 특성을 탐색하도록 자극하여 정확한 감정 예측을 수행할 수 있도록 설계되었습니다. LLMs에게 이러한 지식 정보를 부여하기 위해, 두 단계 학습 방식을 채택하여 모델이 복잡한 대화 상황에서 화자의 특성을 추론하고 감정 추적을 할 수 있도록 하였습니다. 세 개의 벤치마크 데이터셋을 이용한 광범위한 실험 결과, LaERC-S가 우수함을 입증하였으며, 새로운 최첨단 성능(state-of-the-art)을 달성하였습니다.