과거, 현재, 미래: 심리적 지식의 구조적 모델링을 통한 대화형 정서 인식

대화형 감정 인식(CER)은 대화 맥락 속에서 발화의 감정을 예측하는 작업이다. 대화적 맥락과 발화자 간의 상호작용을 모델링하는 연구는 널리 이루어져 왔지만, 발화자의 행동과 의도를 조절하는 발화자의 심리 상태를 고려하는 것은 여전히 중요하다. 최신 기법은 심리 상태를 순차적으로(전후 방향으로) 모델링하기 위해 공감 지식(CSK)을 도입하고 있다. 그러나 이 방법은 발화 간의 구조적 심리적 상호작용을 무시한다. 본 논문에서는 pSychological-Knowledge-Aware Interaction Graph(SKAIG)를 제안한다. 지역적으로 연결된 그래프 내에서, 타겟 발화는 과거 맥락으로부터 추론된 행동 정보와 미래 맥락에 암시된 의도 정보를 통해 강화된다. 또한 발화는 자기 자신과의 연결을 통해 현재 자기 자신으로부터의 영향을 고려한다. 더불어, CSK를 활용하여 간선을 지식 표현으로 풍부하게 하고, 그래프 트랜스포머를 사용하여 SKAIG를 처리한다. 제안한 방법은 네 가지 주요 CER 데이터셋에서 최신 기술 대비 우수하고 경쟁력 있는 성능을 달성하였다.