論文の概要: End-to-end Emotion-Cause Pair Extraction via Learning to Link
- arxiv url: http://arxiv.org/abs/2002.10710v4
- Date: Wed, 14 Dec 2022 06:40:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 21:27:40.785533
- Title: End-to-end Emotion-Cause Pair Extraction via Learning to Link
- Title（参考訳）: リンクへの学習によるエンド・ツー・エンド感情のペア抽出
- Authors: Haolin Song, Chen Zhang, Qiuchi Li, Dawei Song
- Abstract要約: 感情原因ペア抽出(ECPE)は、文書中の感情とその根本原因を共同で調査することを目的としている。
既存のECPEのアプローチでは、(1)感情と原因の検出、(2)検出された感情と原因のペアリングという2段階の手法が一般的である。
本稿では, 感情, 原因, 感情原因のペアをエンドツーエンドで同時に抽出できるマルチタスク学習モデルを提案する。
- 参考スコア（独自算出の注目度）: 18.741585103275334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Emotion-cause pair extraction (ECPE), as an emergent natural language
processing task, aims at jointly investigating emotions and their underlying
causes in documents. It extends the previous emotion cause extraction (ECE)
task, yet without requiring a set of pre-given emotion clauses as in ECE.
Existing approaches to ECPE generally adopt a two-stage method, i.e., (1)
emotion and cause detection, and then (2) pairing the detected emotions and
causes. Such pipeline method, while intuitive, suffers from two critical
issues, including error propagation across stages that may hinder the
effectiveness, and high computational cost that would limit the practical
application of the method. To tackle these issues, we propose a multi-task
learning model that can extract emotions, causes and emotion-cause pairs
simultaneously in an end-to-end manner. Specifically, our model regards pair
extraction as a link prediction task, and learns to link from emotion clauses
to cause clauses, i.e., the links are directional. Emotion extraction and cause
extraction are incorporated into the model as auxiliary tasks, which further
boost the pair extraction. Experiments are conducted on an ECPE benchmarking
dataset. The results show that our proposed model outperforms a range of
state-of-the-art approaches.
- Abstract（参考訳）: 感情起因のペア抽出(ECPE)は、感情とその根本原因を文書で共同で調査することを目的とした、創発的な自然言語処理タスクである。
これは、以前の感情原因抽出(ECE)タスクを拡張するが、ECEのように事前に登録された感情節のセットを必要としない。
既存のECPEのアプローチでは、(1)感情と原因の検出、(2)検出された感情と原因のペアリングという2段階の手法が一般的である。
このようなパイプライン法は直感的ではあるが、有効性を妨げうるステージ間のエラー伝搬や、実際の適用を制限する計算コストの2つの重要な問題に悩まされている。
これらの問題に対処するために,エンド・ツー・エンドで同時に感情,原因,感情を抽出できるマルチタスク学習モデルを提案する。
具体的には、ペア抽出をリンク予測タスクとみなし、感情節からリンクを学習して、そのリンクが指向的であることを示す。
感情抽出と原因抽出は補助的なタスクとしてモデルに組み込まれ、ペア抽出をさらに促進する。
実験はECPEベンチマークデータセット上で実施される。
その結果,提案モデルが最先端のアプローチよりも優れていることがわかった。
関連論文リスト
- Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。
EDENは感情と原因を明確な考え方で認識する。
大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
論文 参考訳（メタデータ） (2024-06-07T08:58:29Z) - ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。
CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。
本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文 参考訳（メタデータ） (2024-05-17T15:45:08Z) - Emotion-cause pair extraction method based on multi-granularity information and multi-module interaction [0.6577148087211809]
感情に起因したペア抽出の目的は、感情の1対の節を抽出し、原因の節を抽出することである。
既存のモデルは、サンプルの感情や原因による位置不均衡に適切に対処しない。
本稿では,GRU,知識グラフ,変圧器モジュール間の共有相互作用に基づくエンドツーエンドマルチタスクモデル(MM-ECPE)を提案する。
論文 参考訳（メタデータ） (2024-04-10T08:00:26Z) - Unsupervised Extractive Summarization of Emotion Triggers [56.50078267340738]
我々は、感情を共同で検出し、トリガーを要約できる新しい教師なし学習モデルを開発した。
Emotion-Aware Pagerankと題された私たちのベストアプローチは、外部ソースからの感情情報と言語理解モジュールを組み合わせたものです。
論文 参考訳（メタデータ） (2023-06-02T11:07:13Z) - Emotion-Cause Pair Extraction as Question Answering [1.9290392443571387]
Emotion-Cause Pair extract (ECPE) は、感情や原因節のアノテーションを使わずに、あらゆる潜在的感情の原因となる文書のペアを抽出することを目的としている。
従来のECPEのアプローチでは、複雑なアーキテクチャを用いて感情による相互作用をモデル化し、従来の2段階処理方式を改良しようと試みてきた。
本稿では,質問応答(QA)問題にECPEタスクを投入し,それに取り組むための単純かつ効果的なBERTベースのソリューションを提案する。
ある文書が与えられた場合、我々のガイド-QAモデルはまず、固定された質問を用いて最適な感情節を予測し、予測された感情を質問として使用し、最も潜在的な原因を予測する。
論文 参考訳（メタデータ） (2023-01-05T09:33:41Z) - When Facial Expression Recognition Meets Few-Shot Learning: A Joint and
Alternate Learning Framework [60.51225419301642]
実践シナリオにおける人間の感情の多様性に対応するために,感情ガイド型類似ネットワーク(EGS-Net)を提案する。
EGS-Netは2段階の学習フレームワークに基づいた感情ブランチと類似性ブランチで構成されている。
In-the-labとin-the-wildの複合表現データセットの実験結果から,提案手法がいくつかの最先端手法に対して優れていることを示す。
論文 参考訳（メタデータ） (2022-01-18T07:24:12Z) - Stimuli-Aware Visual Emotion Analysis [75.68305830514007]
本稿では,刺激選択,特徴抽出,感情予測の3段階からなる刺激認識型視覚感情分析(VEA)手法を提案する。
我々の知る限りでは、エンド・ツー・エンドのネットワークでVEAに刺激選択プロセスを導入するのは初めてです。
実験により、提案手法は、4つの公的な視覚的感情データセットに対する最先端のアプローチよりも一貫して優れていることが示された。
論文 参考訳（メタデータ） (2021-09-04T08:14:52Z) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳（メタデータ） (2021-06-23T14:53:27Z) - A Dual-Questioning Attention Network for Emotion-Cause Pair Extraction
with Context Awareness [3.5630018935736576]
感情因果ペア抽出のためのデュアルクエストアテンションネットワークを提案する。
具体的には、文脈的・意味的回答のための注意ネットワークを通じて、候補者の感情や要因を独立に問う。
実験結果から,本手法は複数の評価指標の基準値よりも優れた性能を示した。
論文 参考訳（メタデータ） (2021-04-15T03:47:04Z) - An End-to-End Network for Emotion-Cause Pair Extraction [3.016628653955123]
Emotion-Cause Pair Extraction (ECPE)タスクのエンドツーエンドモデルを提案する。
英語ECPEコーパスが利用できないため、NCCIR-13 ECEコーパスを適応させ、このデータセット上にECPEタスクのベースラインを確立します。
論文 参考訳（メタデータ） (2021-03-02T08:03:03Z) - ECSP: A New Task for Emotion-Cause Span-Pair Extraction and
Classification [0.9137554315375922]
Emotion-Cause Span-Pair extract and classification (ECSP) という新しい課題を提案する。
ECSPは、文書中の感情とそれに対応する原因の潜在的な範囲を抽出し、それぞれの感情を分類することを目的としている。
本研究では,感情と原因を直接抽出し,文書からペア化するETCモデルを提案する。
論文 参考訳（メタデータ） (2020-03-07T03:36:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。