【论文泛读111】DialogueCRN：对话中情绪识别的上下文推理网络

最新推荐文章于 2022-05-02 19:21:35 发布

及时行樂_

最新推荐文章于 2022-05-02 19:21:35 发布

阅读量1k

点赞数 1

分类专栏：论文 # NLP_paper 文章标签：情感识别 paper

本文链接：https://blog.csdn.net/qq_41485273/article/details/117564162

版权

论文《DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations》提出了一种新的上下文推理网络，旨在增强对话情绪识别能力。通过模拟人类认知思维，模型的多轮推理模块能有效提取和整合情感线索，提升对话情绪识别的准确性。实验结果显示，DialogueCRN在多个基准数据集上表现出优越性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

贴一下汇总贴：论文阅读记录

论文链接：《DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations》

一、摘要

对话中的情绪识别（ERC）在开发移情机器方面受到越来越多的关注。最近，许多方法致力于通过深度学习模型感知对话上下文。然而，由于缺乏提取和整合情感线索的能力，这些方法在理解上下文方面是不够的。在这项工作中，我们提出了新颖的上下文推理网络（DialogueCRN），以从认知角度全面理解会话上下文。受情绪认知理论的启发，我们设计了多轮推理模块来提取和整合情绪线索。推理模块迭代执行直观的检索过程和有意识的推理过程，模仿人类独特的认知思维。

二、结论

本文探讨了对话中情绪识别任务的认知因素。我们提出了一种新的语境推理网络(DialgueCRN)来充分理解情景级和说话者级语境。DialgueCRN引入认知阶段，从感知阶段提取和整合情感线索。在认知阶段，我们设计了多轮推理模块，迭代执行直觉检索过程和意识推理过程，模仿人类独特的认知思维。最后，成功获得了触发当前情绪的情绪线索，并用于更好的分类。在三个基准数据集上的实验证明了该模型的有效性和优越性。案例研究表明，考虑认知因素可以更好地理解情绪线索，提高ERC的绩效。