การจดจำอารมณ์ในบทสนทนา (MERC) มักประสบปัญหาจากการใช้พารามิเตอร์คงที่ในการประมวลผลข้อมูลหลายรูปแบบ (Multimodal) ซึ่งทำให้โมเดลไม่สามารถดึงจุดเด่นของแต่ละอารมณ์ออกมาได้เท่าที่ควร งานวิจัยนี้จึงนำเสนอ Dynamic Fusion-Aware Graph Convolutional Neural Network (DF-GCN) เพื่อแก้ปัญหาดังกล่าว
โมเดลนี้มีการบูรณาการสมการเชิงอนุพันธ์สามัญ (ODE) เข้ากับ GCN เพื่อดึงคุณลักษณะที่เปลี่ยนแปลงไปตามบริบทของการสนทนา และใช้กลไก Global Information Vector (GIV) ในการสร้าง Prompt เพื่อนำทางการผสานข้อมูลแบบไดนามิก วิธีนี้ช่วยให้โมเดลสามารถปรับเปลี่ยนพารามิเตอร์ให้เหมาะสมกับประเภทอารมณ์ที่แตกต่างกันในช่วงเวลาที่เครื่องกำลังประมวลผล (Inference stage) ทำให้มีความยืดหยุ่นและมีความแม่นยำสูงกว่าเดิม
