对话中的情感预测（EPC）是什么？

EPC任务在人机交互、社交媒体分析、客户服务自动化等领域有着广泛的应用前景。例如，在客户服务场景中，通过预测客户的情绪状态，可以提供更加个性化和及时的服务。在人机交互中，EPC可以帮助机器更好地理解用户的情感需求，从而做出更加合适的反应。

对话中的情感预测（EPC）指的是基于历史对话信息预测特定说话人未来的情感状态。我们复现了\cite{shi2023emotion}的方法，除了语音特征是使用我们提出的emotion2vec获得的。

简言之，该模型使用具有层次结构的多个GRU来进行情感预测。每次预测都会取对话的前6个回合，每个回合中一个说话人可以说多个话语。网络维度、超参数和训练策略与参考实现保持一致，并采用留一发言人外十折交叉验证。对于语音模态，输入是768维的emotion2vec特征；对于文本模态，输入是378维的BERT特征；对于语音+文本多模态，输入是emotion2vec特征和BERT特征的连接，也与参考实现保持一致。结果表明，在EPC任务中，用emotion2vec替换语音特征后，在单一语音模态和语音-文本多模态中均有性能提升。

——参考链接。

对话中的情感预测（EPC）是指基于历史对话信息来预测特定说话人未来的情感状态。这一任务通过分析对话的内容和上下文，来预测说话人接下来可能的情感反应或状态。