对话情绪识别不同于一般的句子级情绪识别，该任务需要考虑对话中话语情绪的相互影响。已有工作通常都建模对话上下文内容，以此来隐式地建模话语的情绪交互，但这种做法常被语言中的复杂表达所干扰，导致情绪交互变得不可靠。下图左侧的对话就是一个具体的例子，此例子中说话人A的反讽表达就导致了对说话人B话语的错误情绪判断。我们注意到，话语的情绪标签可以提供显式且精确的情绪交互，如下图右侧所示，此例子中说话人A话语的愤怒情绪标签提供了精确的情绪信息，使得说话人B话语的情绪判断不再受到干扰。

两种建模情绪交互方式的对比实例

然而，显式建模情绪交互存在一个实际困难，即情绪标签仅能在训练阶段获得，在测试阶段是不可能事先得到并作为输入的。为了解决这个问题，本文放宽了对情绪标签完全准确的要求，假设存在部分噪声的情绪标签也可以使情绪识别受益，并且情绪标签精度的不断提升也可以使情绪识别的性能不断增强。

基于以上想法，本文提出了一个迭代情绪交互模型，该模型使用迭代预测的情绪标签代替真实情绪标签，在迭代过程中不断更正预测并反馈输入，实现逐步增强的显式情绪交互。后面的实验结果表明，使用迭代预测标签可以有效保留显式建模的性能优势，并在迭代过程中可以实现有效的预测修正。此外，本文的方法在两个公开数据集上都取得了一定的提升，在工作发表时实现了最优的结果。

内容中包含的图片若涉及版权问题，请及时与我们联系删除