最近要做的任务涉及到多方对话文本的建模,在nlp的所有任务中发现在MELD数据集上的Emotion Recognition in Conversation任务是适合的,所以把三篇在这个任务上的paper都读了一遍,写写笔记。 三篇论文是: DialogueRNN: An Attentive RNN for Emotion Detection in Conversations DialogueGCN: A Graph Convolutional Neural Net...
论文题目:DialogueRNN: An Attentive RNN for Emotion Detection in Conversations 链接: arxiv.org/pdf/1811.0040 出处: AAAI 2019 Introduction 本文主要解决对话中的情绪识别问题。目前已有的方法,没有以有意义的方式去区分对话的不同方,给定一句话,并不知道对应的发言人是谁。与此相反,我们为对话的每一方进行建模。
前面的模型的组成介绍完成了最后我是BioDialogueRNN(双向对话循环神经网络)+ attention(当前对话上下文中的情感分数) (DialogueRNN+Att)来实现对对话中情感的预测,在6中分类的结果中有比较稳定的结果,其实可以理解,如果仅仅是单项的DialogueRNN的话,不能完成上下文的深度的tracking,所以在效果上还是存在一定的差异的。 先...
在 DialogueRNN 中,所有这三种不同类型的 GRU 都以递归的方式连接。我们认为 DialogueRNN 优于最先进的情境情绪分类工具,因为它具有更好的上下文表现。 论文的其余部分组织如下:第2节讨论了相关工作;第3节详细描述了我们的模型;第4节和第5节介绍了实验结果;最后,第6节总结了本文。 2 相关工作 情绪识别在自然语言...
DialogueRNN是一篇关于对话情感分析的文章,或者说情绪发现。对于情感分析,这已经是一个比较成熟的领域了,核心思想可能就是一个分类问题。如果把情感分析放到一个特定的场景里,比如说对话场景,去分析说话人的情绪变化,可能做法就有了一些差别。本篇文章将这个特定任务分解为了三部分:说话人,之前对话内容和之前对话的情感。