论文分享(3)----DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations

本文主要是介绍论文分享(3)----DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档

论文分享(3)----DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations

  • 前言
  • 一、摘要
  • 二、模型解析
    • 1.定义问题
    • 2.Text Features
    • 3.Model
      • 3.1感知阶段
      • 3.2认知阶段
    • 4.模型图和结果
  • 总结


前言

提示:这里可以添加本文要记录的大概内容:

例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。


提示:以下是本篇文章正文内容,下面案例可供参考

一、摘要

本文重点研究的是对话中的情感,由于现有方面难以对情感线索的提取和整合,针对这一问题,作者提出了novel Contextual Reasoning Networks (DialogueCRN)。受情感认知理论的启发,设计了多回合推理模块,整合情感线索。

二、模型解析

1.定义问题

定义U=[u1,u2,…,uN]为一个对话中所包含的句子,N表示句子数量。P1,P2,…,PM表示对话U中有M个人。pφ(ui)表示句子和人的映射。对于λ ∈[1,M],Uλ 表示为Pλ 在U中所说话的集合,Uλ ={ui|ui∈U and u spoken by Pλ}

2.Text Features

本文是通过CNN和max_pooling来提取文本中上下文无关的特征,记为ui,其中ui∈du,du=100。

3.Model

本文把模型分为两个阶段,感知阶段和认知阶段。

3.1感知阶段

通过研究发现,对话中的特征主要分为,语境特征和说话者特征。所以本位将两者区分,其输出分别是U和Uλ,λ∈[1,M]
对于语境特征:
在这里插入图片描述

3.2认知阶段

受情感认知理论启发,这一过程是由多个回合组合而成,,而在每个回合中认知阶段又分为意识推理和直观检索两部分。则在第t个回合,情况如下:

在这里插入图片描述
总而言之,ui在Global Memory G和回合T的影响下变成qi,则
qsi = Cognitions(csi , Gs; Ts),
qvi = Cognitionv(cvi , Gv; Tv),
这之后文章整合两种特征送入分类层,得到预测结果。

4.模型图和结果

模型结构图
在这里插入图片描述

总结

作者构建了两类输入,一种是按原始句子顺序的输入,一种按speaker顺序的输入。这两种方式分别得到是句子语境信息和speak的情感色彩。在最终阶段把两类信息结合传入分类层,并最终提高了效果。

这篇关于论文分享(3)----DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/782500

相关文章

Python解析器安装指南分享(Mac/Windows/Linux)

《Python解析器安装指南分享(Mac/Windows/Linux)》:本文主要介绍Python解析器安装指南(Mac/Windows/Linux),具有很好的参考价值,希望对大家有所帮助,如有... 目NMNkN录1js. 安装包下载1.1 python 下载官网2.核心安装方式3. MACOS 系统安

Java嵌套for循环优化方案分享

《Java嵌套for循环优化方案分享》介绍了Java中嵌套for循环的优化方法,包括减少循环次数、合并循环、使用更高效的数据结构、并行处理、预处理和缓存、算法优化、尽量减少对象创建以及本地变量优化,通... 目录Java 嵌套 for 循环优化方案1. 减少循环次数2. 合并循环3. 使用更高效的数据结构4

Python中常用的四种取整方式分享

《Python中常用的四种取整方式分享》在数据处理和数值计算中,取整操作是非常常见的需求,Python提供了多种取整方式,本文为大家整理了四种常用的方法,希望对大家有所帮助... 目录引言向零取整(Truncate)向下取整(Floor)向上取整(Ceil)四舍五入(Round)四种取整方式的对比综合示例应

linux进程D状态的解决思路分享

《linux进程D状态的解决思路分享》在Linux系统中,进程在内核模式下等待I/O完成时会进入不间断睡眠状态(D状态),这种状态下,进程无法通过普通方式被杀死,本文通过实验模拟了这种状态,并分析了如... 目录1. 问题描述2. 问题分析3. 实验模拟3.1 使用losetup创建一个卷作为pv的磁盘3.

MySQL8.2.0安装教程分享

《MySQL8.2.0安装教程分享》这篇文章详细介绍了如何在Windows系统上安装MySQL数据库软件,包括下载、安装、配置和设置环境变量的步骤... 目录mysql的安装图文1.python访问网址2javascript.点击3.进入Downloads向下滑动4.选择Community Server5.

CentOS系统Maven安装教程分享

《CentOS系统Maven安装教程分享》本文介绍了如何在CentOS系统中安装Maven,并提供了一个简单的实际应用案例,安装Maven需要先安装Java和设置环境变量,Maven可以自动管理项目的... 目录准备工作下载并安装Maven常见问题及解决方法实际应用案例总结Maven是一个流行的项目管理工具

10个Python自动化办公的脚本分享

《10个Python自动化办公的脚本分享》在日常办公中,我们常常会被繁琐、重复的任务占据大量时间,本文为大家分享了10个实用的Python自动化办公案例及源码,希望对大家有所帮助... 目录1. 批量处理 Excel 文件2. 自动发送邮件3. 批量重命名文件4. 数据清洗5. 生成 PPT6. 自动化测试

10个Python Excel自动化脚本分享

《10个PythonExcel自动化脚本分享》在数据处理和分析的过程中,Excel文件是我们日常工作中常见的格式,本文将分享10个实用的Excel自动化脚本,希望可以帮助大家更轻松地掌握这些技能... 目录1. Excel单元格批量填充2. 设置行高与列宽3. 根据条件删除行4. 创建新的Excel工作表5

Redis多种内存淘汰策略及配置技巧分享

《Redis多种内存淘汰策略及配置技巧分享》本文介绍了Redis内存满时的淘汰机制,包括内存淘汰机制的概念,Redis提供的8种淘汰策略(如noeviction、volatile-lru等)及其适用场... 目录前言一、什么是 Redis 的内存淘汰机制?二、Redis 内存淘汰策略1. pythonnoe

Golang操作DuckDB实战案例分享

《Golang操作DuckDB实战案例分享》DuckDB是一个嵌入式SQL数据库引擎,它与众所周知的SQLite非常相似,但它是为olap风格的工作负载设计的,DuckDB支持各种数据类型和SQL特性... 目录DuckDB的主要优点环境准备初始化表和数据查询单行或多行错误处理和事务完整代码最后总结Duck