Fugu-MT 論文翻訳(概要): Emotion-Cause Pair Extraction as Question Answering

論文の概要: Emotion-Cause Pair Extraction as Question Answering

arxiv url: http://arxiv.org/abs/2301.01982v1
Date: Thu, 5 Jan 2023 09:33:41 GMT
ステータス: 処理完了
システム内更新日: 2023-01-06 13:49:45.819867
Title: Emotion-Cause Pair Extraction as Question Answering
Title（参考訳）: 質問応答としての感情因果対抽出
Authors: Huu-Hiep Nguyen and Minh-Tien Nguyen
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.9290392443571387
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The task of Emotion-Cause Pair Extraction (ECPE) aims to extract all potential emotion-cause pairs of a document without any annotation of emotion or cause clauses. Previous approaches on ECPE have tried to improve conventional two-step processing schemes by using complex architectures for modeling emotion-cause interaction. In this paper, we cast the ECPE task to the question answering (QA) problem and propose simple yet effective BERT-based solutions to tackle it. Given a document, our Guided-QA model first predicts the best emotion clause using a fixed question. Then the predicted emotion is used as a question to predict the most potential cause for the emotion. We evaluate our model on a standard ECPE corpus. The experimental results show that despite its simplicity, our Guided-QA achieves promising results and is easy to reproduce. The code of Guided-QA is also provided.
Abstract（参考訳）: Emotion-Cause Pair extract (ECPE) のタスクは、感情や原因節のアノテーションなしで、文書の潜在的な感情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。文書が与えられた場合、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する。次に、予測された感情は、感情の最も潜在的な原因を予測する質問として使用される。我々は,標準ECPEコーパスでモデルを評価する。実験の結果, 単純性にもかかわらず, 有望な結果が得られ, 容易に再現できることが示唆された。 Guided-QAのコードも提供される。

関連論文リスト

Towards Empathetic Conversational Recommender Systems [77.53167131692]
本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
論文参考訳（メタデータ） (2024-08-30T15:43:07Z)
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)
EmoBench: Evaluating the Emotional Intelligence of Large Language Models [73.60839120040887]
EmoBenchは、確立された心理学理論に基づいて、マシン感情知能(EI)の包括的な定義を提案するベンチマークである。 EmoBenchには、英語と中国語で400の手作りの質問が含まれている。以上の結果から,既存の大規模言語モデルのEIと平均的な人間の間には,かなりのギャップがみられ,今後の研究に向けての有望な方向性が浮かび上がっている。
論文参考訳（メタデータ） (2024-02-19T11:48:09Z)
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)
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)
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 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)
Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。心理学の一般的な感情表現モデルから始めます。そして、研究者たちが解決しようとしている重要な計算問題を定義します。
論文参考訳（メタデータ） (2021-03-19T13:33:34Z)
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)
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。