논문정보
논문제목: Multivariate, Multi-frequency and Multimodal: Rethinking Graph Neural Networks for Emotion Recognition in Conversation (링크)
논문 Overview
- GNN (Graph Neural Network)을 활용한 대화형 감정인식 (ERC: Emotion Recognition in Conversation)이 모델들이 있다.
- 기존의 GNN based ERC 모델은 node 사이의 pairwise 관계만 보고 있어 node사이의 복잡한 관계를 알기 어려운 구조라는 한계가 있다는 점을 본 논문에서 지적하고 있다.
- adjacent한 node 사이의 차이정도를 의미하는 frequency에 대하여 low-frequency (commonality)와 high-frequency (discrepancy)를 완전히 사용하고 있지 못한다는 점을 본 논문에서 언급하고 있다.
- 본 논문에서는 node 간의 복잡한 관계(modality, context)를 이해하기 위해 hypergraph를 이용한 Multivariate propagation module과 frequency 성분을 활용하기 위해 GNN에 관한 Multi-frequency propagation module을 제시하였다.
- 두개의 GNN 기반의 모듈을 이용하여 ERC에서 성능향상을 보였다.
리뷰자료
- 영상자료 링크
관련자료
- Graph의 Spectral Filtering (스펙트럴 필터링)
- Graph Convolution (그래프 컨볼루션)에 대하여
- Graph Fourier Transform (그래프 푸리에 변환)의 필요성과 정의
- Graph의 Normalized Laplacian matrix (정규화된 라플라시안 행렬)과 eigen value가 0과 2사이인 이유
- Graph의 Laplacian matrix(라플라시안 행렬)와 Laplacian matrix의 eigenvalue