Fugu-MT 論文翻訳(概要): ECSP: A New Task for Emotion-Cause Span-Pair Extraction and Classification

論文の概要: ECSP: A New Task for Emotion-Cause Span-Pair Extraction and Classification

arxiv url: http://arxiv.org/abs/2003.03507v1
Date: Sat, 7 Mar 2020 03:36:47 GMT
ステータス: 処理完了
システム内更新日: 2022-12-25 19:50:33.712057
Title: ECSP: A New Task for Emotion-Cause Span-Pair Extraction and Classification
Title（参考訳）: ECSP:感情・因果関係の抽出と分類のための新しいタスク
Authors: Hongliang Bi, Pengyuan Liu
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.9137554315375922
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Emotion cause analysis such as emotion cause extraction (ECE) and emotion-cause pair extraction (ECPE) have gradually attracted the attention of many researchers. However, there are still two shortcomings in the existing research: 1) In most cases, emotion expression and cause are not the whole clause, but the span in the clause, so extracting the clause-pair rather than the span-pair greatly limits its applications in real-world scenarios; 2) It is not enough to extract the emotion expression clause without identifying the emotion categories, the presence of emotion clause does not necessarily convey emotional information explicitly due to different possible causes. In this paper, we propose a new task: Emotion-Cause Span-Pair extraction and classification (ECSP), which aims to extract the potential span-pair of emotion and corresponding causes in a document, and make emotion classification for each pair. In the new ECSP task, ECE and ECPE can be regarded as two special cases at the clause-level. We propose a span-based extract-then-classify (ETC) model, where emotion and cause are directly extracted and paired from the document under the supervision of target span boundaries, and corresponding categories are then classified using their pair representations and localized context. Experiments show that our proposed ETC model outperforms the SOTA model of ECE and ECPE task respectively and gets a fair-enough results on ECSP task.
Abstract（参考訳）: 感情原因抽出(ECE)や感情原因ペア抽出(ECPE)といった感情原因分析は、徐々に多くの研究者の注目を集めている。しかし、既存の研究にはまだ2つの欠点がある。 1)ほとんどの場合、感情表現及び原因は、全節ではなく、その節のスパンであり、スパンペアではなく節ペアを抽出することは、現実世界のシナリオにおけるその適用を著しく制限する。 2)感情のカテゴリーを識別せずに感情表現節を抽出するだけでは不十分であり、感情節の存在は必ずしも異なる原因によって感情情報を明示的に伝達するとは限らない。本稿では,文書中の感情の潜在的スパンペアとその原因を抽出し,各ペアの感情分類を行うことを目的とした,感情誘発スパンペア抽出・分類(ecsp)という新しいタスクを提案する。新しいECSPタスクでは、ECEとECPEは節レベルで2つの特別なケースとみなすことができる。対象のスパン境界を監督する文書から感情と原因を直接抽出してペアリングし,対応するカテゴリをペア表現と局所化コンテキストを用いて分類する,スパンベースの抽出・then分類モデルを提案する。実験の結果,提案したETCモデルは,ECPタスクのSOTAモデルよりも優れており,ECSPタスクの公平な結果が得られることがわかった。

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)
UMETTS: A Unified Framework for Emotional Text-to-Speech Synthesis with Multimodal Prompts [64.02363948840333]
UMETTSは、複数のモーダルからの感情的手がかりを利用して、表現力が高く感情的に共鳴する音声を生成する新しいフレームワークである。 EP-Alignは対照的な学習を用いて、テキスト、オーディオ、視覚的モダリティをまたいだ感情的特徴を整合させ、マルチモーダル情報のコヒーレントな融合を保証する。 EMI-TTSは、アライメントされた感情埋め込みと最先端のTSモデルを統合し、意図した感情を正確に反映した音声を合成する。
論文参考訳（メタデータ） (2024-04-29T03:19:39Z)
ECQED: Emotion-Cause Quadruple Extraction in Dialogs [37.66816413841564]
本稿では,感情に起因した発話対と感情と原因型を検出することを必要とする,感情・因果関係の4次抽出(ECQED)を提案する。より詳細な感情を導入し,特徴が明らかに対話生成に有効であることを示す。
論文参考訳（メタデータ） (2023-06-06T19:04:30Z)
A Multi-turn Machine Reading Comprehension Framework with Rethink Mechanism for Emotion-Cause Pair Extraction [6.6564045064972825]
感情原因ペア抽出(ECPE)は感情原因分析の新たな課題である。本稿では,ECPE タスクに対処するための再考機構 (MM-R) を備えたマルチターン MRC フレームワークを提案する。我々のフレームワークは、ペアリング行列の生成を避けながら、感情と原因の複雑な関係をモデル化することができる。
論文参考訳（メタデータ） (2022-09-16T14:38:58Z)
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)
End-to-end Emotion-Cause Pair Extraction via Learning to Link [18.741585103275334]
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。
論文参考訳（メタデータ） (2020-02-25T07:49:12Z)

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。