一种基于层次化R⁃GCN的会话情绪识别方法

摘要：

会话情绪识别包括说话者自身情绪影响以及说话者之间情绪影响这2个重要因素,为了充分考虑上述影响因素以提高会话情绪识别效果,提出一种基于层次化关系图卷积神经网络(HRGCN)的识别方法.使用一个基础神经网络对会话序列的特征数据进行优化,按照不同的说话者划分出2个不同的会话子序列,采用2个局部关系图卷积神经网络(R-GCN)分别对2个子序列进行局部建模,按照会话发生的时间顺序重新整合局部建模后的2个子序列,并利用全局R-GCN对其进行全局建模.通过对输入的多模态特征数据的分层次建模,使得会话序列捕获到更多的上下文信息.在IEMOCAP数据集上的实验结果表明,与当前流行的循环神经网络LSTM、GRU等相比,HRGCN方法的会话情绪识别性能较高,准确率与F1值分别达到84.48％与84.40％.

关键词：基础神经网络;关系图卷积神经网络;会话;情绪识别;人工智能

所属期刊栏目：48

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;广东省教育厅特色创新类项目;广东省普通高校青年创新人才项目;广东省普通高校特色创新项目;广东省高等教育学会十三五规划高校青年教师高等教育学研究课题;广东司法警官职业学院第四届院级课题

在线出版日期：2022-01-13（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：85-92