admin管理员组文章数量:1130349
《论文阅读》EmoBERTa: Speaker-Aware Emotion Recognition in Conversation with RoBERTa
-
-
- 简介
- 思路出发点
- 任务定义
- 模型结构
-
- 构造输入
- 模型架构
- 训练过程
- 实验结果
- 结论
-
出版:arXiv
时间:2021
类型:对话中的情感识别
特点:roberta模型+在输入中融入讲话者信息
作者:Taewoon Kim and Piek Vossen
第一作者机构:Vrije Universiteit Amsterdam
简介
我们提出了EmoBERTa:Speaker AwareEmotion Recognition in Conversation with RoBERTa,这是一个解决ERC(会话中的情绪识别)任务的简单而富有表现力的方案。通过简单地在话语前面加上说话者的名字,并在对话中的话语之间插入分离标记,EmoBERTa可以学习说话者内部和说话者之间的状态和上下文,以端到端的方式预测当前说话者的情绪。我们的实验表明,我们使用基本和直接的方法,在两个主流的ERC数据集上达到了最新的水平。我们已经开源了代码和模型在 https://github/tae898/erc.
思路出发点
作者认为 ERC 可以认为是一种特殊的序列建模,因为情绪预计会由任何模态中的前一个事件触发
ERC can be seen as a special case of sequence modeling, since emotions are expected to be triggered by a preceding event in any modality.
序列建模可以由 encoder-only 的模型如B
《论文阅读》EmoBERTa: Speaker-Aware Emotion Recognition in Conversation with RoBERTa
-
-
- 简介
- 思路出发点
- 任务定义
- 模型结构
-
- 构造输入
- 模型架构
- 训练过程
- 实验结果
- 结论
-
出版:arXiv
时间:2021
类型:对话中的情感识别
特点:roberta模型+在输入中融入讲话者信息
作者:Taewoon Kim and Piek Vossen
第一作者机构:Vrije Universiteit Amsterdam
简介
我们提出了EmoBERTa:Speaker AwareEmotion Recognition in Conversation with RoBERTa,这是一个解决ERC(会话中的情绪识别)任务的简单而富有表现力的方案。通过简单地在话语前面加上说话者的名字,并在对话中的话语之间插入分离标记,EmoBERTa可以学习说话者内部和说话者之间的状态和上下文,以端到端的方式预测当前说话者的情绪。我们的实验表明,我们使用基本和直接的方法,在两个主流的ERC数据集上达到了最新的水平。我们已经开源了代码和模型在 https://github/tae898/erc.
思路出发点
作者认为 ERC 可以认为是一种特殊的序列建模,因为情绪预计会由任何模态中的前一个事件触发
ERC can be seen as a special case of sequence modeling, since emotions are expected to be triggered by a preceding event in any modality.
序列建模可以由 encoder-only 的模型如B
本文标签: 论文SpeakerEmoBERTaAwareRoBERTa
版权声明:本文标题:《论文阅读》EmoBERTa: Speaker-Aware Emotion Recognition in Conversation with RoBERTa 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://it.en369.cn/jiaocheng/1754605054a2707658.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。


发表评论