다중 수준의 컨텍스트 통합을 위한 어휘 표현의 누적을 통한 ERC 작업

대화 내 감정 인식(Emotion Recognition in Conversations, ERC)은 최근 대화 문맥을 기반으로 각 발화에 대한 감정 레이블을 예측할 수 있는 뛰어난 적응성 덕분에 더욱 주목받고 있다. 특정 발화의 감정을 정확히 식별하기 위해서는 문맥 정보와 융합된 의미를 효과적으로 모델링하는 것이 필수적이다. 최근 많은 연구들은 다양한 유형의 문맥 정보를 지원 정보로 캡처하고, 이를 다양한 방식으로 통합하는 데 초점을 맞추었다. 예를 들어, 로컬 및 글로벌 문맥을 고려하거나, 발화자 수준에서 내-발화자(intra-speaker) 및 간-발화자(inter-speaker) 통합을 통해 문맥을 활용한 접근이 있다. 그러나 문맥 통합 이후 단어 표현의 중요성에 대한 체계적인 연구는 여전히 부족한 실정이며, 단어 수준의 정보 역시 대화 내 발화자의 감정을 반영하는 데 핵심적인 역할을 한다. 따라서 본 연구에서는 다수의 수준에서 문맥 정보를 융합한 문장 모델링에 있어, 단어 벡터 표현을 누적함으로써 나타나는 영향을 탐구하고자 한다. 이를 위해 ERC 작업에서 효과적인 문장 모델링 방법을 제안하였으며, IEMOCAP, MELD, EmoryNLP, DailyDialog 등 널리 인용되는 네 가지 벤치마크 데이터셋에서 경쟁력 있는 최첨단 성능을 달성하였다. 본 연구의 소스 코드는 다음 링크에서 확인할 수 있다: github.com/yingjie7/per_erc/tree/AccumWR.