摘要

情感识别在对话（Emotion Recognition in Conversation, ERC）中涉及检测对话中每个话语背后的情感。有效地生成话语表示仍然是这一任务中的一个重要挑战。近期的研究提出了多种模型来解决这一问题，但它们在区分相似情感（如兴奋和快乐）方面仍存在困难。为了解决这一问题，我们提出了一种情感锚定对比学习（Emotion-Anchored Contrastive Learning, EACL）框架，该框架可以生成更加可区分的相似情感的话语表示。为此，我们利用标签编码作为锚点来指导话语表示的学习，并设计了一个辅助损失函数以确保相似情感的锚点得到有效分离。此外，还提出了一种额外的适应过程，使锚点能够作为有效的分类器以提高分类性能。通过广泛的实验验证，我们提出的EACL在情感识别任务上达到了最先进的性能，并在相似情感的识别上表现出色。我们的代码已发布在 https://github.com/Yu-Fangxu/EACL。