IITK 在 SemEval-2024 任务 10：谁是说话者？通过说话者嵌入改进对话中的情绪识别与情绪翻转推理
IITK at SemEval-2024 Task 10: Who is the speaker? Improving Emotion Recognition and Flip Reasoning in Conversations via Speaker Embeddings
AI总结：
本文针对 SemEval-2024 任务 10，提出基于说话者嵌入的掩码记忆网络用于对话情绪识别，并设计以说话者为中心的 Transformer 模型及可能触发区域进行情绪翻转推理，在子任务 3 上较基线提升 5.9 F1。
摘要：
本文介绍了我们针对 SemEval-2024 任务 10“对话中的情绪发现及其翻转推理”所提出的方法。对于对话中的情绪识别（ERC）任务，我们利用了一个带掩码记忆网络，并结合说话者参与信息。针对情绪翻转推理（EFR）任务，我们提出了一种基于 Transformer 的、以说话者为中心的模型。我们还引入了“可能触发区域”（Probable Trigger Zone），即对话中更可能包含导致情绪发生翻转的话语的区域。在子任务 3 上，所提方法相比任务基线取得了 5.9（F1 分数）的提升。消融研究结果凸显了所提方法中各种设计选择的重要性。
英文摘要：
This paper presents our approach for the SemEval-2024 Task 10: Emotion Discovery and Reasoning its Flip in Conversations. For the Emotion Recognition in Conversations (ERC) task, we utilize a masked-memory network along with speaker participation. We propose a transformer-based speaker-centric model for the Emotion Flip Reasoning (EFR) task. We also introduce Probable Trigger Zone, a region of the conversation that is more likely to contain the utterances causing the emotion to flip. For sub-task 3, the proposed approach achieves a 5.9 (F1 score) improvement over the task baseline. The ablation study results highlight the significance of various design choices in the proposed method.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
