摘要

近年来，对话中的情感识别（Emotion Recognition in Conversations, ERC）因其在客户服务分析、医疗咨询等领域的广泛应用而受到越来越多关注。ERC的一个关键挑战在于，用户的情感会受到他人情感的影响而发生变化，即对话中的情感在交流参与者之间具有传播特性。然而，现有研究极少关注对话中情感传播的影响。为此，本文提出了一种名为 EmotionFlow 的新方法，用于考虑对话过程中参与者情感传播效应的ERC任务。EmotionFlow 首先通过将上下文与辅助问题拼接的方式对用户的发言进行编码，以更好地学习用户特异性特征；随后，引入条件随机场（Conditional Random Field, CRF）建模情感层面的序列依赖关系。我们在公开数据集多模态情感对话数据集（Multimodal EmotionLines Dataset, MELD）上进行了大量实验，结果表明所提出的模型在情感识别任务中具有显著有效性。