@inproceedings{gendron-guibon-2024-sec,
    title = "{SEC} : contexte {\'e}motionnel phrastique int{\'e}gr{\'e} pour la reconnaissance {\'e}motionnelle efficiente dans la conversation",
    author = {Gendron, Barbara  and
      Guibon, Ga{\"e}l},
    editor = "Balaguer, Mathieu  and
      Bendahman, Nihed  and
      Ho-dac, Lydia-Mai  and
      Mauclair, Julie  and
      G Moreno, Jose  and
      Pinquier, Julien",
    booktitle = "Actes de la 31{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position",
    month = "7",
    year = "2024",
    address = "Toulouse, France",
    publisher = "ATALA and AFPC",
    url = "https://preview.aclanthology.org/Add-Cong-Liu-Florida-Atlantic-University-author-id/2024.jeptalnrecital-taln.15/",
    pages = "219--233",
    language = "fra",
    abstract = "L`essor des mod{\`e}les d`apprentissage profond a apport{\'e} une contribution significative {\`a} la reconnaissance des {\'e}motions dans les conversations (ERC). Cependant, cette t{\^a}che reste un d{\'e}fi important en raison de la pluralit{\'e} et de la subjectivit{\'e} des {\'e}motions humaines. Les travaux ant{\'e}rieurs sur l`ERC fournissent des mod{\`e}les pr{\'e}dictifs utilisant principalement des repr{\'e}sentations de la conversation bas{\'e}es sur des graphes. Dans ce travail, nous proposons une fa{\c{c}}on de mod{\'e}liser le contexte conversationnel que nous incorporons {\`a} une strat{\'e}gie d`apprentissage de m{\'e}trique, avec un processus en deux {\'e}tapes. Cela permet d`effectuer l`ERC dans un sc{\'e}nario de classification flexible et d`obtenir un mod{\`e}le l{\'e}ger et efficace. En utilisant l`apprentissage de m{\'e}trique {\`a} travers une architecture de r{\'e}seau siamois, nous obtenons un score de macroF1 de 57,71 pour la classification des {\'e}motions dans les conversations sur le jeu de donn{\'e}es DailyDialog, ce qui surpasse les travaux connexes. Ce r{\'e}sultat {\'e}tat-de-l`art est prometteur en ce qui concerne l`utilisation de l`apprentissage de m{\'e}trique pour la reconnaissance des {\'e}motions, mais est perfectible au regard du microF1 obtenu."
}