本文介绍了《Cluster-Level Contrastive Learning for Emotion Recognition in Conversations》论文，探讨了在对话情感识别中如何区分相近情感的挑战。作者提出了一种监督聚类级别的对比学习（SCCL）方法，利用NRC_VAD将情感向量表示为三维，增强模型可解释性，并通过原型思想促进情感样本的聚类。尽管这种方法可能导致信息损失，但其创新思路仍值得关注。
《论文阅读》Cluster-Level Contrastive Learning for Emotion Recognition in Conversations
前言
你是否也对于理解论文存在困惑？
你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？
小白如何从零读懂论文？和我一起来探索吧！
今天为大家带来的是《Cluster-Level Contrastive Learning for Emotion Recognition in Conversations》
出版： CoRR abs
时间： 2023
类型：对话中的情感识别
特点：监督对比学习+情感分类+RoBERTa
作者：Kailai Yang
第一作者机构：The University of Manchester
github：https://github.com/SteveKGYang/SCCL
简介
思路出发点
这篇文章提到的很有趣的点：
-
在ERC中实际上的挑战在于区分语义相近的情感（高兴和激动），而不是区分不同极
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
