이 논문은 단일 단계 감정 인식 프레임워크를 제안한다. 기존의 두 단계 접근법(주체 탐지 + 감정 분류)은 학습 과정이 분리되어 있어 비효율적이며, 주체와 맥락 간의 상호작용을 충분히 활용하지 못한다는 한계가 있다.
제안하는 프레임워크는 주체 탐지와 감정 분류를 동시에 수행하는 단일 단계 접근법이다. 또한 분리된 주체-맥락 트랜스포머(DSCT)를 도입하여 주체와 맥락 간의 상호작용을 효과적으로 포착한다. DSCT는 주체 쿼리와 맥락 쿼리를 분리하여 처리한 후 공간적, 의미적 관계를 활용하여 융합한다.
실험 결과, 제안 방식은 기존 두 단계 접근법에 비해 더 적은 파라미터로도 CAER-S 데이터셋에서 3.39% 높은 정확도, EMOTIC 데이터셋에서 6.46% 높은 평균 정밀도를 달성했다. 또한 시각화 분석을 통해 제안 방식이 주체와 맥락 간의 미묘한 상호작용을 잘 포착하는 것을 확인할 수 있다.
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Xinpeng Li,T... om arxiv.org 04-29-2024
https://arxiv.org/pdf/2404.17205.pdfDiepere vragen