Core Concepts
会話参加者の特徴を活用することで、会話中の感情の認識と感情反転の原因の推論を向上させることができる。
Abstract
本論文では、SemEval-2024 Task 10の感情認識(ERC)とその反転の推論(EFR)に取り組んでいる。
ERCタスクでは、マスクメモリネットワークにスピーカー情報を組み込むことで性能を向上させている。
EFRタスクでは、スピーカー情報を組み込んだトランスフォーマーベースのモデルを提案している。
さらに、感情反転の原因となる可能性の高い領域(Probable Trigger Zone)を定義し、その領域に絞って予測することで、データの偏りを軽減している。
実験の結果、EFRタスクでは提案手法が従来手法に比べて5.9のF1スコア改善を達成している。
また、各種設計選択の影響を分析するアブレーション実験も行っている。
Stats
感情反転の原因となる発話は、直前の発話から5発話以内に多く存在する
感情反転の原因となる発話は、直前の発話から5発話以内に多く存在する