BriefGPT - AI 论文速递
·
基于多模态协作变压器和混合特征重建的强鲁棒情感识别
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文讨论了缺失情感识别对话（ERC）任务中的问题，并提出了一种基于缺失模态的鲁棒情感识别框架（M2R2）。该框架通过学习通用表示进行迭代数据增强来训练情感识别模型，并采用Party Attentive Network（PANet）来解决情感识别中的缺失问题。实验证明该方法比基线更有效，适用于不同数据集的缺失模态情感识别。
🎯
关键要点
-
讨论缺失情感识别对话（ERC）任务中的对话级情感识别问题。
-
提出基于缺失模态的鲁棒情感识别框架（M2R2）。
-
框架通过学习通用表示进行迭代数据增强来训练情感识别模型。
-
采用Party Attentive Network（PANet）来跟踪发言人的状态和上下文。
-
通过关注机制和对话主题分散多时间和多方发言的依赖性。
-
以对抗策略提高缺失数据插值方法的数据增强效果。
-
实验证明该方法比基线更有效，适用于不同数据集的缺失模态情感识别。
➡️
