典型文献
一种基于层次化R⁃GCN的会话情绪识别方法
文献摘要：
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％.
文献关键词：
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
中图分类号：
作者姓名：
赖河蒗;李玲俐;胡婉玲;颜学明
作者机构：
华南师范大学 计算机学院,广州 510631;广东司法警官职业学院 信息管理系,广州 510520;广东外语外贸大学 信息科学与技术学院,广州 510006
文献出处：
引用格式：
[1]赖河蒗;李玲俐;胡婉玲;颜学明-.一种基于层次化R⁃GCN的会话情绪识别方法)[J].计算机工程,2022(01):85-92
A类：
会话情绪,HRGCN
B类：
层次化,情绪识别,说话,情绪影响,高会,关系图卷积神经网络,基础神经网络,会话序列,特征数据,分出,子序列,局部关系,局部建模,照会,多模态特征,分层次,获到,上下文信息,IEMOCAP,循环神经网络,GRU,识别性
AB值：
0.216749
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
