대화 내 감정 인식을 위한 관계 인지 그래프 주의 네트워크와 관계적 위치 인코딩

대화 내 감정 인식(Empathetic Response Classification, ERC)에 대한 관심이 증가하고 있으며, 이는 사용자 행동을 분석하고 가짜 뉴스를 탐지하는 데 활용될 수 있기 때문이다. 최근 많은 ERC 방법들이 발화 간 관계를 고려하기 위해 그래프 기반 신경망을 사용하고 있다. 특히 최신 기법은 관계형 그래프 주의망(Relational Graph Attention Network, RGAT)을 활용하여 대화 내 발화자 간의 자기-의존성(self-dependency)과 상호-의존성(inter-dependency)을 모두 고려한다. 그러나 기존 그래프 기반 신경망은 순차적 정보를 반영하지 못하는 한계가 있다. 본 논문에서는 관계형 그래프 구조를 반영한 순차적 정보를 RGAT에 제공하는 관계형 위치 인코딩(Relational Position Encodings)을 제안한다. 이를 통해 제안하는 RGAT 모델은 발화자 간 의존성뿐만 아니라 대화의 순차적 정보도 동시에 포착할 수 있다. 네 가지 ERC 데이터셋에서 수행한 실험 결과, 제안 모델이 대화 내 표현된 감정을 인식하는 데 유용함을 입증하였으며, 모든 벤치마크 데이터셋에서 기존 최고 성능 모델을 실험적으로 상회함을 확인하였다.