说话人长程上下文编码网络

补全沉默时刻情感

一个端到端的对话情感识别模型,通过建模说话人完整的长程上下文(包括发言与沉默时刻),提升对说话人敏感情感表示的捕捉能力,在基准数据集上表现优越。

Chen, Haifeng · Jing, Li · Yan, Li · 李剑 · 何浪 · 蒋冬梅

Information Fusion 2026

技术优势

补全沉默时刻

说话间隙的情感状态通过说话人内时间上下文和说话人之间互动影响进行特征补全,形成连续完整的情感表达。

多模态融合更聚焦

注意力机制动态分配关键模态的权重,提升跨模态信息的有效整合。

端到端可训练

整个网络联合优化多个说话人的上下文建模,无需分阶段处理。

应用场景