대화 내 감정 인식을 위한 감정 극성 강도 인지 다중 작업 학습을 갖춘 지식 상호작용 네트워크

대화 내 감정 인식(Emotion Recognition in Conversation, ERC)은 최근 자연어처리(NLP) 분야에서 큰 주목을 받고 있다. 일부 모델은 복잡한 감정 추론을 보완하기 위해 보편지식(commonsense knowledge)이나 다중 작업 학습(multi-task learning)을 활용하려는 시도를 하고 있으나, 이러한 모델들은 직접적인 발화-지식 상호작용을 간과하고 있다. 또한, 감정과 직접적인 관련이 없는 보조 작업을 사용함으로써 ERC 작업에 유의미한 정서 정보를 제공하지 못하는 한계가 있다. 이러한 문제를 해결하기 위해, 본 연구는 정서 극성 강도 인지 다중 작업 학습을 통한 지식 상호작용 네트워크(Knowledge-Interactive Network, KI-Net)를 제안한다. KI-Net은 보편지식과 정서 사전(sentiment lexicon)을 활용하여 의미 정보를 풍부하게 한다. 구체적으로, 내부 발화-지식 상호작용을 위한 자기 매칭(self-matching) 모듈을 도입한다. 또한 ERC 작업과의 상관관계를 고려해, 어절 수준의 정서 극성 강도 예측(Sentiment Polarity Intensity Prediction, SPIP)을 보조 작업으로 설계하였다. 실험 결과, 지식 통합, 자기 매칭, SPIP 모듈 각각이 세 가지 데이터셋에서 모델 성능을 개선하는 것으로 확인되었다. 더불어, IEMOCAP 데이터셋에서 기존 최고 성능 모델 대비 1.04%의 성능 향상을 달성하였다.