计算机应用研究

作者：龙禹辰,勾智楠,陈宇欣,秦乐,

单位：1.河北经贸大学管理科学与信息工程学院,石家庄050061；2.清华大学计算机科学与技术系,北京100084；

关键词：对话情绪识别,大语言模型,主题,外部知识,

基金：河北省自然科学基金资助项目(F2023207003)；河北经贸大学科学研究与发展计划资助项目(2024YB23)；河北经贸大学教学研究项目(2024JYQ09)；；

对话情绪识别（ERC）是对话系统研究中的一项关键任务，然而，现有模型往往由于管道设计的复杂性，容易过拟合于特定数据集和对话模式，从而限制了其泛化能力。为了解决这一问题，提出一个基于大语言模型的多任务生成式重构对话情绪识别模型（M-GERC）。该模型引入说话人识别和主题预测情绪两个基于预训练大语言模型的辅助任务。说话人识别任务旨在隐式建模对话中的对话角色关系，帮助模型更好地理解不同参与者之间的情绪交流。主题预测情绪任务则通过预测对话全局的主题，捕捉主题和情绪之间的潜在联系，从而结合上下文信息提高情绪识别的准确性。此外，M-GERC引入了知识检索模块，通过检索知识域知识并结合外部知识，进一步增强模型对上下文的理解。实验结果表明，M-GERC在DailyDialog、MELD和EmoryNLP数据集上相较于现有主流对话情绪识别模型，W-F1分别提高了3.1%、4.3%和3.7%，取得了显著提升。

来源：2025年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第7期