摘要

对话中的情感识别（Emotion Recognition in Conversations, ERC）随着对话智能体的日益普及而变得愈发重要。准确识别情感是实现有效沟通的关键，也是构建具备同理心与高效交互能力的对话智能体的核心组成部分。理解对话上下文对于准确判断对话参与者的情绪具有极高的价值。因此，本文在情感识别中引入对话上下文信息，即充分考虑先前的对话轮次。传统方法通常先生成与上下文无关的每句话的独立表示，再对这些表示进行上下文建模。而本文提出一种基于预训练Transformer语言模型上下文表征能力的、面向上下文依赖的语句嵌入表示方法。具体而言，我们将待分类语句与其前后对话轮次拼接后输入RoBERTa编码器，并在其后添加一个简单的分类模块。由于所生成的嵌入已充分融合了上下文信息，因此无需再单独处理上下文建模，从而简化了整体架构。此外，本文还系统研究了引入的对话轮次数量对模型性能的影响。所提出方法的有效性在开放域的DailyDialog数据集以及面向任务的EmoWOZ数据集上均得到了验证。