摘要
在日常生活中，多人对话的场合无处不在，作为人们交流沟通的主要方式，其蕴含着丰富多彩的信息。挖掘多人对话场景下的情感信息对许多工业界的应用有着十分重要的意义，例如社交媒体分析和智能客服。然而，不同于传统的文本情感识别，多人对话中话语的情感不仅受其本身和其所在上下文的影响，而且依赖于说话者的个性和他们之间的交互。另外，说话者的情感状态还会受到包括话题、观点、说话者的行为和意图等复杂因素的影响。针对上述挑战，本文从多特征融合、篇章结构增强和知识图谱引入三个角度研究多人对话情感识别方法，具体内容如下: 首先，本文以融合对话中的多种特征为目的，提出了一种多人对话情感识别方法。该方法以图神经网络为基础框架，将对话中的话语和说话者建模为图中的两种节点。同时，采用三种不同的边连接它们，以分别建模对话中的相邻上下文、说话者的个性和说话者之间的交互。另外，考虑到说话者个性的建模方式，我们设计了一个新的损失函数，以话语节点和说话者节点之间的距离辅助情感识别。实验结果表明:融合对话中的多种特征可以有效地提升多人对话情感识别方法的性能。 其次，由于对话的篇章结构揭示了话语间的依赖和依赖关系类型，可以帮助捕获更准确的上下文信息，本文提出了一种篇章结构增强的多人对话情感识别方法。该方法通过篇章结构解析器得到话语间的依赖关系，并基于这些依赖关系构建相应的图神经网络。然后，基于图卷积层来传播对话的上下文和说话者信息，并通过门控机制为每句话语从依赖话语中筛选出更有价值的信息以帮助情感识别。实验结果表明:对话篇章结构对多人对话情感识别有着十分重要的作用。 最后，根据说话者的情感状态会受到其行为和意图的影响的特点，本文提出了一种融合知识图谱的多人对话情感识别方法。该方法根据对话篇章结构把对话中的话语拼接起来，以丰富话语线索，然后从知识图谱中检索出说话者和倾听者的行为和意图短语。接着，通过注意力机制从这些短语中得到有价值的信息，并将这些信息以篇章结构为线索融入到已有的图神经网络中。实验结果表明:引入知识图谱有助于推断说话者的行为和意图信息，从而进一步提升多人对话情感识别的性能。
NETL