EmoTrans：用于对话情绪识别的情绪转移模型

基于摘要分析。该研究面向对话情绪识别（Emotion Recognition in Conversation，ERC），提出 EmoTrans，通过上下文情绪占位符和基于情绪转移（Emotional Transition，ET）的对比学习，建模参与者情绪随对话发展的变化。作者将情绪转移视为理解复杂情绪变化、缓解模态信息缺失所致话语情绪语义偏差的重要线索；这属于论文的研究动机，摘要未提供因果验证细节。 方法上，EmoTrans 将最近若干条话语及对应说话人拼接为输入样本，并设置多个占位符，隐式表达上下文话语的情绪。模型围绕占位符设计两个组件，分别服务于情绪敏感性与情绪转移特征捕获；摘要未说明组件结构及具体计算方式。此外，作者设计基于 ET 的对比学习，使表示空间更紧凑，以获得更稳健的样本表示。其正负样本构造、损失形式、监督来源及训练与推理流程尚未验证。 作者报告在四个常用数据集上进行了实验，并在各自采用的评估设置下获得有竞争力的结果，其中 MELD 和 IEMOCAP 达到作者所称的新 SOTA。摘要仅给出这两个数据集名称，未披露其余数据集、具体指标、数值、数据划分或对照基线，因此无法核对提升幅度或跨协议可比性；实验协议、消融及统计信息尚未验证。 该论文的主要研究对象是对话话语与说话人上下文，而非 EEG 或 BCI。其对模态缺失和情绪动态的讨论不能直接视为神经信号建模证据；摘要尚不足以建立具体的 EEG 迁移方案，相关 EEG 工作也尚未检索确认。复现前需取得全文，核对占位符构造、情绪监督的使用方式、ET 对比学习定义及完整评估配置。