联合对话行为识别与情感分类的多任务网络

摘要：

情感分类与对话行为识别任务常被用在对话系统中联合建模,这种联合建模的方法能够挖掘出对话文本的跨任务隐藏交互信息,提高情感分类与对话行为识别的准确性.然而,在两个任务联合建模时,对话文本有上下文信息和跨任务交互信息,对这两种信息与模型预测准确度之间的关系进行研究,需要将这两种信息协同建模,在过去的研究中对这两种信息的利用并不充分,为解决该问题提出多任务图注意力网络(multi-task graph attention net-work,MGAT),并且以其为核心模块搭建了多任务协同图注意力网络(multi-task synergic graph attention network,MSGAT),该模型将上下文信息与跨任务信息联合建模,同时完成情感分类与对话行为识别任务.利用两个公开数据集实验,得到了良好的效果,并且对联合模型与预训练模型组合进行了研究.

关键词：多任务学习、情感分类、对话行为别、多任务图注意力网络、深度学习

所属期刊栏目：59

分类号：TP389.1(计算技术、计算机技术)

资助基金：福建省自然科学基金项目;福建工程学院发展基金

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：104-111