대화 속 감성 인식(ERC)은 인간의 감정을 이해하고 자연스러운 인간-컴퓨터 상호 작용을 가능하게 하는 중요한 과제입니다. 본 논문은 LLM(Large Language Models)이 대화 맥락에서 감정을 효과적으로 인식할 수 있는지 탐구하기 위해 프롬프트 엔지니어링, 데모 검색 및 커리큘럼 학습을 통합한 새로운 ERC 훈련 프레임워크인 PRC-Emo를 제안합니다. 특히, 명시적 및 암묵적 감정 단서를 기반으로 하는 감성 감지 프롬프트 템플릿을 설계하여 모델이 화자의 심리 상태를 더 잘 이해하도록 안내합니다. 또한 ERC를 위한 최초의 전용 데모 검색 저장소를 구축하고, LoRA 미세 조정 과정에 커리큘럼 학습 전략을 도입하여 난이도 수준을 할당합니다. IEMOCAP 및 MELD의 두 가지 벤치마크 데이터 세트에 대한 실험 결과는 제안된 방법이 새로운 SOTA(state-of-the-art) 성능을 달성하여 LLM 기반 감정 이해를 개선하는 효과와 일반화 가능성을 보여줍니다.
