情绪解码算法在人机交互系统中扮演着重要角色。然而，现有的情绪解码算法忽略了现实世界中的动态场景，即人类感受到的复杂多样的情绪需要增量地整合到模型中，产生了多标签类增量情绪解码问题。已有的模型受限于由过去和未来部分标签缺失造成的灾难性遗忘以及未充分挖掘标签的语义信息，难以解决多标签类增量学习问题。由此，本文提出一个可增广的情绪语义学习框架。具体地，设计了一个带有标签消歧的可增广情绪关系图模块，用于处理过去部分标签缺失问题。接着，利用来自情感维度空间的领域知识，通过基于样本关系的知识蒸馏缓解未来部分标签缺失问题。此外，研究中设计了一个由图自编码器构成的情绪语义学习模块，用于获取情绪语义标签嵌入，并用于指导语义特定的特征解耦，用以更好地进行多标签学习。

中文标题：EmoGrowth：基于可增广情绪关系图的多标签类增量情绪解码

英文标题：EmoGrowth: Incremental Multi-label Emotion Decoding with Augmented Emotional Relation Graph

论文作者：付铠城，杜长德，彭杰，王坤鹏，赵双辰，陈晓宇，何晖光