대화에서 감정 인식(ERC)이라는 실용적이면서도 어려운 과제에 대해 다룬 논문으로, 새로운 다중 모드 접근 방식인 장단거리 그래프 신경망(LSDGNN)을 제안한다. 방향성 비순환 그래프(DAG)를 기반으로 장거리 그래프 신경망과 단거리 그래프 신경망을 구성하여 각각 멀리 떨어진 발화와 인접한 발화의 다중 모드 특징을 얻는다. 두 모듈 간의 상호 영향을 가능하게 하면서 표현에서 장거리 및 단거리 특징이 가능한 한 구별되도록 차등 정규화기를 사용하고, 이중 선형 모듈을 통합하여 특징 상호 작용을 용이하게 한다. 또한 데이터 불균형 문제를 해결하기 위해 개선된 커리큘럼 학습(ICL)을 제안한다. 다른 감정 간의 유사성을 계산하여 유사한 감정의 변화를 강조하는 "가중 감정 변화" 지표를 설계하고 난이도 측정기를 개발하여 쉬운 샘플을 먼저 학습하는 학습 과정을 가능하게 한다. IEMOCAP 및 MELD 데이터 세트에 대한 실험 결과는 제안된 모델이 기존 벤치마크를 능가함을 보여준다.
