摘要

大多数情感识别方法在处理情感理解任务时，通常将各类情感视为相互独立的个体，忽略了情感本身固有的模糊性及其相互之间的关联性。本文探讨了如何捕捉情感之间的相关性，并将其应用于不同的分类任务中。为此，我们提出了EmoGraph模型，该模型通过图神经网络捕捉不同情感之间的依赖关系。图结构的构建基于各类情感之间共现统计信息。在两个多标签分类数据集上的实验结果表明，EmoGraph在各项指标上均优于多个强基线模型，尤其在宏平均F1（macro-F1）指标上表现突出。此外，额外的实验进一步验证了所捕捉到的情感相关性同样能够提升单标签分类任务的性能。