《论文阅读》Supervised Prototypical Contrastive Learning for Emotion Recognition in Conversation
出版:EMNLP2022
时间:2022
类型:结合监督学习+课程学习
特点:解决情感类标签不平衡问题+文本信息不充分问题
作者:Xiaohui Song, Longtao Huang, Hui Xue and Songlin Hu
第一作者机构:Institute of Information Engineering, Chinese Academy of Sciences
简介
在对话中捕捉情绪在现代对话系统中起着至关重要的作用。然而,情绪和语义之间的弱相关性给对话中的情绪识别(ERC)带来了许多挑战。即使是语义相似的话语,情绪也可能因上下文或说话者而发生巨大变化。在本文中,我们为 ERC 任务提出了监督原型对比学习 (SPCL) 损失。利用原型网络,SPCL 旨在通过对比学习解决不平衡分类问题,并且不需要大批量。同时,我们设计了一个基于类别距离的难度测量函数,并引入课程学习来缓解极端样本的影响。我们在三个广泛使用的基准上取得了最先进的结果。此外,我们进行分析实验来证明我们提出的 SPCL 和课程学习策略的有效性。我们在 https://github.com/caskcsg/SPCL 发布代码。
解决问题
-
ERC 任务旨在根据谈话内容识别对话中每个回合的不同情绪。难点包括:多个对话者、多个轮次,并且不仅要考虑文本信息还要考虑上下文信息
-
虽然近些年将对比学习应用到自监督表示学习中,并且也有人将自监督扩展到全程监督设置,也有不错的表现,但是将监督对比学习应用到ERC中人存在问题ÿ