摘要

情感识别对话（ERC）领域一直专注于分离句子特征编码和上下文建模，缺乏对基于统一设计的生成范式的探索。在本研究中，我们提出了一种新的方法——InstructERC，旨在将ERC任务从判别框架重新表述为基于大型语言模型（LLMs）的生成框架。InstructERC做出了三项重要贡献：(1) 引入了一个简单而有效的检索模板模块，有助于模型显式地整合多粒度对话监督信息。(2) 我们引入了两个额外的情感对齐任务，即说话人识别任务和情感预测任务，以隐式地建模对话中的角色关系和未来的情感倾向。(3) 首次通过情感轮盘（feeling wheel）统一了不同基准测试中的情感标签，以适应实际应用场景。即使在这种统一的数据集上，InstructERC的表现依然令人印象深刻。基于大型语言模型的插件框架显著优于所有先前的模型，并在三个常用的ERC数据集上实现了全面的最先进水平（SOTA）。广泛的参数高效性和数据扩展实验分析为该方法在实际场景中的应用提供了实证指导。