이 논문은 대화에서의 감정 인식(Emotion Recognition in Conversation, ERC) 문제를 다룹니다. ERC는 대화 맥락을 고려하여 발화의 감정을 인식하는 과제로, 기존 연구에서는 주로 그래프 기반의 대화 표현을 사용했습니다.
저자들은 대화 맥락을 모델링하는 새로운 방법을 제안합니다. 이를 위해 Siamese 네트워크 기반의 메트릭 러닝 전략을 사용합니다. 이 접근법은 유연한 분류 시나리오를 가능하게 하고, 경량화된 효율적인 모델을 만들어냅니다.
제안된 모델은 DailyDialog 데이터셋에서 57.71%의 macro F1 점수를 달성하여 관련 연구를 능가하는 성과를 보였습니다. 또한 57.75%의 micro F1 점수와 0.49의 Matthews 상관 계수를 얻어 분류 성능이 우수함을 입증했습니다.
이러한 결과는 감정 인식을 위한 메트릭 러닝의 유용성을 보여줍니다. 또한 제안된 모델이 적은 메모리와 빠른 학습 속도로도 우수한 성능을 달성할 수 있음을 보여줍니다.
לשפה אחרת
מתוכן המקור
arxiv.org
שאלות מעמיקות