BriefGPT - AI 论文速递
·
面向联合对话情感分类和行为识别的双向多跳推理模型
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了双向多跳推理模型（BMIM），通过特征选择网络和双向多跳推理网络提取和整合情感和行为线索，建模情感和行为标签的相关性。该模型在Dialog Sentiment Classification（DSC）和Act Recognition（DAR）任务中提升性能，并增强了联合情感和行为预测任务的可解释性。
🎯
关键要点
-
提出了双向多跳推理模型（BMIM）。
-
利用特征选择网络和双向多跳推理网络提取和整合情感和行为线索。
-
明确建模情感和行为标签的相关性。
-
在Dialog Sentiment Classification（DSC）任务中提升性能。
-
在Act Recognition（DAR）任务中提升性能。
-
增强联合情感和行为预测任务的可解释性。
🏷️
