AtmosERC: Modeling Dialogue-Level Affective Atmosphere for Emotion Recognition in Conversation
AtmosERC 论文提出对话级情感氛围建模方法，通过图神经网络提取对话级和说话者条件的情感先验，用于轻量级情感识别和 LLM 提示，在四个基准上提升性能。
Development
- First ReportAtmosERC: Modeling Dialogue-Level Affective Atmosphere for Emotion Recognition in ConversationarXiv cs.CL
- Current Assessment该研究反映了情感计算领域从上下文建模向细粒度情感信号建模的转变。AtmosERC 作为插件式增强方法，可能降低 LLM 在情感任务上的微调成本，推动情感分析在客服、心理健康等场景的落地。其轻量级特性也暗示了在边缘设备上部署情感识别模型的可能性。Agent Pulse · analysis
AtmosERC 论文针对对话情感识别（ERC）中全局上下文异质性问题，提出对话级情感氛围概念，并构建基于图的框架。该框架将对话建模为包含话语和说话者的图，通过关系感知图提取器过滤和融合异质信号，生成对话级和说话者条件的情感先验。这些先验用于轻量级序列预测，并可转化为提示级线索增强 LLM 的 ERC 性能，无需修改骨干模型。实验在四个 ERC 基准上验证了其有效性，包括提升轻量级 ERC、增强 LLM 插件效果，以及在局部情感偏差下更稳定的预测。
AtmosERC 的核心创新在于将全局上下文分解为情感氛围成分，并通过图神经网络显式建模。其关系感知图提取器能够区分不同关系类型（如话语间、说话者间），从而生成更精准的情感先验。这种先验既可作为轻量级模型的输入，也可作为 LLM 的提示，展示了模块化设计在情感任务中的潜力。下一步可关注其图构建的复杂度对长对话的扩展性，以及先验在不同领域（如医疗、客服）的迁移能力。
该研究反映了情感计算领域从上下文建模向细粒度情感信号建模的转变。AtmosERC 作为插件式增强方法，可能降低 LLM 在情感任务上的微调成本，推动情感分析在客服、心理健康等场景的落地。其轻量级特性也暗示了在边缘设备上部署情感识别模型的可能性。
对于情感分析服务提供商，AtmosERC 提供了一种无需修改 LLM 即可提升情感识别准确率的方案，可能降低 API 调用成本或提高服务质量。其轻量级模型也适合资源受限场景，可能开辟新的应用市场。
未来可观察 AtmosERC 是否被集成到主流 ERC 工具包或商业产品中，以及其方法是否扩展到多模态情感识别。此外，其提示级线索的设计可能启发其他任务（如讽刺检测、意图识别）的类似插件方法。