基于文本的对话情绪识别模型介绍一（HiGRU）

基于文本的对话情绪识别模型介绍一（HiGRU）

在最近学习和实习中，主要解决的是语音情绪识别的问题。有关语音情绪识别的研究，国外普遍采用异构数据融合的方式来识别情绪，常见的有V(video),A(audio),T(text)三类数据。比较权威的数据集之一是IEMOCAP，包括了音频、视频与音频的转义文本。在此，作者介绍的是NAACL 2019的一篇文章，论文下载地址为https://arxiv.org/abs/1904.04446?context=cs，这篇论文只使用text文本来预测对话中每句话包含的情绪，达到了较高的准确率。
笔者在这里主要结合模型图和代码，来介绍HiGRU模型。

模型示意图

通过模型图，我们可以直观地观察到，HiGRU分为两部分，左半部分是获得对获取独立句子级别经过双向GRU捕捉到的序列特征，右半部份得到句子与句子之间存在的序列特征。

HiGRU模型的创新点

1、在GRU处理tensor为[batch,time_steps,embs]数据时考虑到了pad机制会用0或其他无意义单词补足长度的情况