双流循环注意网络

对话情感识别

一个同时建模全局与局部对话上下文的双流网络，在多个基准上取得最优结果。

Jiang, Li · 王小平 · 曾志刚

Engineering Applications of Artificial Intelligence 2024

参数信息

加权F1提升

1.43 %

加权F1提升

0.64 %

技术优势

结构简单

免去现有方法的复杂组件，仅基于RNN和多头注意力，降低实现与训练负担。

全局局部兼顾

双流结构同时从全局与局部两个视角建模对话，避免单一视角的信息遗漏。

准确率再提升

在IEMOCAP和MELD上加权F1分别比最强基线提高1.43%和0.64%。

应用场景

• 对话系统：直接嵌入对话引擎，实时感知用户情绪以调整回复策略。
• 情感计算：为情感计算提供更准的对话情感识别模块，支撑情感交互研究。
• 自然语言处理：可作为NLP流水线中的情感分析组件，提升下游任务效果。