본 논문은 대화 속 감정 인식(ERC)을 위한 새로운 훈련 프레임워크인 PRC-Emo를 제안한다. PRC-Emo는 프롬프트 엔지니어링, 데모 검색, 커리큘럼 학습을 통합하여 대규모 언어 모델(LLM)이 대화 맥락에서 감정을 효과적으로 인식할 수 있는지 탐구한다. 구체적으로, 명시적, 암시적 감정 단서에 기반한 감정 민감 프롬프트 템플릿을 설계하고, ERC를 위한 최초의 전용 데모 검색 저장소를 구축하며, LoRA 미세 조정 과정에 커리큘럼 학습 전략을 도입하여 대화 샘플의 난이도를 조정한다. IEMOCAP 및 MELD 데이터셋에 대한 실험 결과는 제안된 방법이 새로운 SOTA 성능을 달성하며, LLM 기반 감정 이해를 향상시키는 효과와 일반화 가능성을 보여준다.
