基于层级图卷积网络的情绪识别模型

• 全文链接
• 请求原文

作   者：

聂小芳;  谭宇轩;  曾雪强;  左家莉; 

作者机构：

江西师范大学计算机信息工程学院; 

关键词：

GoEmotions;  情绪层级知识;  图卷积网络;  细粒度情绪识别; 

期刊名称：

中文信息学报

i s s n：

1003-0077

年卷期：

2024 年 006 期

页   码：

139-150

摘   要：

细粒度情绪识别模型采用比传统方法更多的情绪类别，能更为准确地捕捉人们日常生活中经历和表达的情绪。然而，大幅增加的情绪类别以及细粒度情绪间存在的相互关联和模糊性，给细粒度情绪识别模型带来了挑战。已有情绪识别工作表明，引入情感词典等外部知识可以有效提升模型性能。但现有细粒度情绪识别模型引入情感知识的方式还较为简单，仍未考虑深层情感知识，例如，情感层级关系。针对上述问题，该文提出一种基于层级图卷积网络的情绪识别(Hierarchy Graph Convolution Networks-based Emotion Recognition, HGCN-EC)模型。HGCN-EC模型由语义信息模块、情绪层级结构知识模块和知识融合模块组成。语义信息模块提取文本的语义特征；情绪层级结构知识模块将细粒度情绪构建为树状层级结构并使用贝叶斯统计推断计算情绪之间的转移概率作为层级知识；知识融合模块采用图卷积网络将情绪层级知识与文本语义特征融合，用于实现情绪预测。在GoEmotions数据集上的对比实验结果表明，HGCN-EC模型具有相较于基线方法更优的细粒度情绪识别性能。