Nieuws

EmoNet: Sprekerbewuste Transformers voor Emotieherkenning — en wat ik in 2026 anders zou bouwen

De auteur reflecteert op zijn MS-thesis uit 2024 over emotieherkenning in gesprekken met het EmoNet-model. Hij bespreekt de drie bijdragen van zijn werk: globale sprekeridentiteit, een spreker-gedragsmodule en gewogen cross-entropieverlies. Sindsdien is het veld verschoven naar op grote taalmodellen gebaseerde systemen zoals InstructERC, CKERC, BiosERC en LaERC-S. Hij concludeert dat de oorspronkelijke ideeën overeind blijven, maar nu worden geïmplementeerd via LoRA fine-tuning en retrieval-augmented prompting.