《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

1. 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

2. 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