論文の概要: Emotion-Cause Pair Extraction in Conversations via Semantic Decoupling and Graph Alignment

• arxiv url: http://arxiv.org/abs/2604.19547v1
• Date: Tue, 21 Apr 2026 15:05:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.831013
• Title: Emotion-Cause Pair Extraction in Conversations via Semantic Decoupling and Graph Alignment
• Title（参考訳）: セマンティックデカップリングとグラフアライメントによる会話中の感情・因果対抽出
• Authors: Tianxiang Ma, Weijie Feng, Xinyu Wang, Zhiyong Cheng,
• Abstract要約: ECPECは、感情の発話とその引き起こし原因の間の因果関係のセットを対話の中で特定することを目的としている。 我々は、感情指向のセマンティクスを原因指向のセマンティクスから切り離し、2つの相補的な表現空間にマッピングする。 本稿では,上記の意味的疎結合とアライメントの原理を共有会話構造内にインスタンス化する統合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 8.345559401830291
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotion-Cause Pair Extraction in Conversations (ECPEC) aims to identify the set of causal relations between emotion utterances and their triggering causes within a dialogue. Most existing approaches formulate ECPEC as an independent pairwise classification task, overlooking the distinct semantics of emotion diffusion and cause explanation, and failing to capture globally consistent many-to-many conversational causality. To address these limitations, we revisit ECPEC from a semantic perspective and seek to disentangle emotion-oriented semantics from cause-oriented semantics, mapping them into two complementary representation spaces to better capture their distinct conversational roles. Building on this semantic decoupling, we naturally formulate ECPEC as a global alignment problem between the emotion-side and cause-side representations, and employ optimal transport to enable many-to-many and globally consistent emotion-cause matching. Based on this perspective, we propose a unified framework SCALE that instantiates the above semantic decoupling and alignment principle within a shared conversational structure. Extensive experiments on several benchmark datasets demonstrate that SCALE consistently achieves state-of-the-art performance. Our codes are released at https://github.com/CoCoSphere/SCALE.
• Abstract（参考訳）: Emotion-Cause Pair extract in Conversations (ECPEC) は、感情の発話とその発声原因のセットを特定することを目的としている。 既存のほとんどのアプローチは、感情拡散と原因説明の区別された意味を見落とし、グローバルに一貫した多対多の会話因果関係を捉えない、独立したペアワイズ分類タスクとしてECECECを定式化している。 これらの制限に対処するため、我々はECPECをセマンティックの観点から再考し、感情指向のセマンティクスと原因指向のセマンティクスを分離し、2つの相補的な表現空間にマッピングし、それぞれの会話の役割をよりよく捉えようとしている。 このセマンティックデカップリングに基づいて、感情側表現と原因側表現のグローバルアライメント問題としてECPECを自然に定式化し、多対多で一貫した感情原因マッチングを可能にするために最適なトランスポートを利用する。 この観点から, 上記の意味的疎結合とアライメント原理を共有会話構造内にインスタンス化する統合フレームワークSCALEを提案する。 複数のベンチマークデータセットに対する大規模な実験は、SCALEが一貫して最先端のパフォーマンスを実現していることを示している。 私たちのコードはhttps://github.com/CoCoSphere/SCALEで公開されています。

関連論文リスト

• Emotion Collider: Dual Hyperbolic Mirror Manifolds for Sentiment Recovery via Anti Emotion Reflection [19.83275015213163]
  Emotion Collider (EC-Net)は、マルチモーダルな感情と感情モデリングのためのハイパーグラフフレームワークである。 EC-Netは、Poincare-ballの埋め込みを使用して階層を表現し、ハイパーグラフ機構を通じて融合を行う。 実験の結果、EC-Netは頑健でセマンティックな一貫性のある表現を生成し、常に精度を向上することが示された。
  論文  参考訳（メタデータ） (2026-02-18T03:19:05Z)
• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• 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)
• 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)
• Discourse-Aware Emotion Cause Extraction in Conversations [21.05202596080196]
  会話における感情的原因抽出(ECEC)は、会話における感情的原因を含む発話を抽出することを目的としている。 本稿では,この課題に対する談話認識モデル(DAM)を提案する。 ベンチマークコーパスの結果、DAMは文学における最先端システム(SOTA)よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-26T02:11:01Z)
• Referring Image Segmentation via Cross-Modal Progressive Comprehension [94.70482302324704]
  画像セグメンテーションの参照は、自然言語表現で与えられた記述によく一致するエンティティの前景マスクをセグメンテーションすることを目的としている。 従来のアプローチでは、暗黙的な特徴相互作用と視覚的モダリティと言語的モダリティの融合を用いてこの問題に対処していた。 本稿では,この課題に効果的に対応するために,Cross-Modal Progressive (CMPC) モジュールと Text-Guided Feature Exchange (TGFE) モジュールを提案する。
  論文  参考訳（メタデータ） (2020-10-01T16:02:30Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)

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。