論文の概要: A Dual-Questioning Attention Network for Emotion-Cause Pair Extraction with Context Awareness

• arxiv url: http://arxiv.org/abs/2104.07221v1
• Date: Thu, 15 Apr 2021 03:47:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-16 15:04:28.998866
• Title: A Dual-Questioning Attention Network for Emotion-Cause Pair Extraction with Context Awareness
• Title（参考訳）: 文脈認知を伴う感情誘発ペア抽出のための二重質問注意ネットワーク
• Authors: Qixuan Sun, Yaqi Yin and Hong Yu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.5630018935736576
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotion-cause pair extraction (ECPE), an emerging task in sentiment analysis, aims at extracting pairs of emotions and their corresponding causes in documents. This is a more challenging problem than emotion cause extraction (ECE), since it requires no emotion signals which are demonstrated as an important role in the ECE task. Existing work follows a two-stage pipeline which identifies emotions and causes at the first step and pairs them at the second step. However, error propagation across steps and pair combining without contextual information limits the effectiveness. Therefore, we propose a Dual-Questioning Attention Network to alleviate these limitations. Specifically, we question candidate emotions and causes to the context independently through attention networks for a contextual and semantical answer. Also, we explore how weighted loss functions in controlling error propagation between steps. Empirical results show that our method performs better than baselines in terms of multiple evaluation metrics. The source code can be obtained at https://github.com/QixuanSun/DQAN.
• Abstract（参考訳）: 感情分析における新たなタスクである感情誘発ペア抽出(ecpe)は、文書中の感情のペアとその対応する原因を抽出することを目的としている。 これは感情原因抽出(ECE)よりも難しい問題であり、ECEタスクにおいて重要な役割を果たす感情信号を必要としない。 既存の作業は、最初のステップで感情と原因を特定し、第2ステップでペアリングする、2段階のパイプラインに従っている。 しかし、文脈情報のないステップとペアの組み合わせによるエラー伝搬は有効性を制限している。 そこで本稿では,これらの制約を緩和するためのDual-Questioning Attention Network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。 また,ステップ間の誤差伝搬を制御する際の重み付き損失関数についても検討する。 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。 ソースコードはhttps://github.com/QixuanSun/DQANで取得できる。

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)
• SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
  SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。 異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。 本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
  論文  参考訳（メタデータ） (2024-05-19T09:59:00Z)
• Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
  単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。 広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-04-26T07:30:32Z)
• Samsung Research China-Beijing at SemEval-2024 Task 3: A multi-stage framework for Emotion-Cause Pair Extraction in Conversations [12.095837596104552]
  人間とコンピュータの相互作用においては、エージェントは感情を理解することで人間に反応することが不可欠である。 会話におけるマルチモーダル感情因果ペア抽出というタスクは、感情を認識し、因果表現を識別する役割を担っている。 本研究では,感情を生成するための多段階フレームワークを提案し,対象感情から感情因果対を抽出する。
  論文  参考訳（メタデータ） (2024-04-25T11:52:21Z)
• 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)
• 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)
• Recognizing Emotion Cause in Conversations [82.88647116730691]
  テキストにおける感情の原因を認識することは、NLPにおける基本的な研究領域である。 RECCONというデータセットとの会話で感情の原因を認識するタスクを紹介します。
  論文  参考訳（メタデータ） (2020-12-22T03:51:35Z)
• 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)
• 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。