論文の概要: Recognizing Conditional Causal Relationships about Emotions and Their Corresponding Conditions

• arxiv url: http://arxiv.org/abs/2311.16579v1
• Date: Tue, 28 Nov 2023 07:47:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-11-29 19:19:42.672395
• Title: Recognizing Conditional Causal Relationships about Emotions and Their Corresponding Conditions
• Title（参考訳）: 感情とその状態に関する条件付き因果関係の認識
• Authors: Xinhong Chen, Zongxi Li, Yaowei Wang, Haoran Xie, Jianping Wang, Qing Li
• Abstract要約: 入力された感情と原因のペアが、異なる文脈下で有効な因果関係を持つかどうかを判断する新しいタスクを提案する。 陰性サンプリングを用いて最終データセットを構築し、因果関係のない文書の数とバランスをとる。
• 参考スコア（独自算出の注目度）: 37.16991100831717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The study of causal relationships between emotions and causes in texts has recently received much attention. Most works focus on extracting causally related clauses from documents. However, none of these works has considered that the causal relationships among the extracted emotion and cause clauses can only be valid under some specific context clauses. To highlight the context in such special causal relationships, we propose a new task to determine whether or not an input pair of emotion and cause has a valid causal relationship under different contexts and extract the specific context clauses that participate in the causal relationship. Since the task is new for which no existing dataset is available, we conduct manual annotation on a benchmark dataset to obtain the labels for our tasks and the annotations of each context clause's type that can also be used in some other applications. We adopt negative sampling to construct the final dataset to balance the number of documents with and without causal relationships. Based on the constructed dataset, we propose an end-to-end multi-task framework, where we design two novel and general modules to handle the two goals of our task. Specifically, we propose a context masking module to extract the context clauses participating in the causal relationships. We propose a prediction aggregation module to fine-tune the prediction results according to whether the input emotion and causes depend on specific context clauses. Results of extensive comparative experiments and ablation studies demonstrate the effectiveness and generality of our proposed framework.
• Abstract（参考訳）: テキストにおける感情と原因の因果関係の研究は近年注目されている。 ほとんどの作品は文書から因果関係の節を抽出することに焦点を当てている。 しかしながら、これらの研究は、抽出された感情と原因節間の因果関係が特定の文脈節でのみ有効であると考えるものはない。 このような特別な因果関係における文脈を強調するために、感情と原因の入力対が異なる文脈下で有効な因果関係を持つか否かを判定し、因果関係に関与する特定の文脈節を抽出するための新しいタスクを提案する。 このタスクは、既存のデータセットが利用できない新しいタスクであるため、ベンチマークデータセット上で手動アノテーションを実行して、タスクのラベルと、他のアプリケーションでも使用できる各コンテキスト節の型のアノテーションを取得します。 文書数と因果関係のバランスをとるために,最終的なデータセットを構築するために負のサンプリングを採用する。 構築したデータセットに基づいてエンドツーエンドのマルチタスクフレームワークを提案し、タスクの2つの目標を処理するために、2つの新しいモジュールと一般的なモジュールを設計する。 具体的には,因果関係に関与する文脈節を抽出するためのコンテキストマスキングモジュールを提案する。 入力感情や原因が特定の文脈節に依存するかどうかに応じて予測結果を微調整する予測集約モジュールを提案する。 比較実験およびアブレーション実験の結果,提案手法の有効性と汎用性が示された。

関連論文リスト

• Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
  文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
  論文  参考訳（メタデータ） (2022-12-17T05:25:17Z)
• Pair-Based Joint Encoding with Relational Graph Convolutional Networks for Emotion-Cause Pair Extraction [25.101027960035147]
  特徴を特定の順序で逐次エンコードする手法。まず感情をエンコードし、節抽出に特徴を生じさせ、ペア抽出に組み合わせる。 これにより、後から抽出した特徴が前者と直接接触しないタスク間特徴相互作用の不均衡が生じる。 我々は新しいペアベースジョイントを提案する。 因果節をモデル化するために、結合特徴方式でペアと節を同時に生成するネットワーク。 実験により、PBNは中国のベンチマークコーパスで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2022-12-04T15:24:14Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)
• TAGPRIME: A Unified Framework for Relational Structure Extraction [71.88926365652034]
  TAGPRIMEは、与えられた条件に関する情報を入力テキストに追加するシーケンスタグ付けモデルである。 事前学習された言語モデルにおける自己認識機構により、プライミングワードは、出力された文脈化された表現に、与えられた条件に関するより多くの情報を含む。 5つの異なる言語にまたがる10のデータセットをカバーする3つのタスクに関する大規模な実験と分析は、TAGPRIMEの汎用性と有効性を示している。
  論文  参考訳（メタデータ） (2022-05-25T08:57:46Z)
• Multi-Granularity Semantic Aware Graph Model for Reducing Position Bias in Emotion-Cause Pair Extraction [23.93696773727978]
  Emotion-Cause Pair extract (ECPE)タスクは、文書から感情や原因をペアとして抽出することを目的としている。 既存のメソッドでは、隣接する節間の関係をキャプチャする固定サイズウィンドウが設定されている。 細粒度と粗粒度のセマンティック特徴を併用する新しい textbfMulti-textbfGranularity textbfSemantic textbfAware textbfGraph model (MGSAG) を提案する。
  論文  参考訳（メタデータ） (2022-05-04T15:39:46Z)
• Document-Level Relation Extraction with Sentences Importance Estimation and Focusing [52.069206266557266]
  文書レベルの関係抽出(DocRE)は、複数の文の文書から2つのエンティティ間の関係を決定することを目的としている。 我々はDocREのための文重要度スコアと文集中損失を設計するSIEF(Sentence Estimation and Focusing)フレームワークを提案する。 2つのドメインの実験結果から、SIEFは全体的なパフォーマンスを改善するだけでなく、DocREモデルをより堅牢にします。
  論文  参考訳（メタデータ） (2022-04-27T03:20:07Z)
• Causal BERT : Language models for causality detection between events expressed in text [1.0756038762528868]
  イベント間の因果関係の理解は、ヘルスケア、ビジネスリスク管理、財務など、多くの分野で役立ちます。 自然言語イベント間の「因果関係」は、暗黙的に表現されることが多いため、単に挑戦を続ける。 提案手法は3つの異なるデータ分布において最先端の性能を達成し,因果図の抽出に利用できる。
  論文  参考訳（メタデータ） (2020-12-10T04:59:12Z)
• Extractive Summarization as Text Matching [123.09816729675838]
  本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。 抽出した要約タスクを意味テキストマッチング問題として定式化する。 我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
  論文  参考訳（メタデータ） (2020-04-19T08:27:57Z)

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。