From Independent Prediction to Reordered Prediction: Integrating Relative Position and Global Label

一、情感原因定义

情感原因识别emotion cause identification or emotion cause detection(ECI or ECD），即：给定情感标签后，通过模型可以挖掘出特定情感背后的原因。已提出的传统的方法有基于规则的、基于机器学习的等，该方法是通过人工制定的规则或特征来解决情感原因识别问题。

二、本文提出的方法及原因

本文所用的数据集为theemotion cause benchmark corpus (Gui et al. 2016a)[1].

2.1、Relative Position(相对位置)

通过对该数据集进行分析，结果如下图所示，展现了 处于不同相对位置的句子成为原因子句所占所有句子的百分比（PS：0代表情感子句，负值代表在情感子句的左侧，正值代表在情感子句的右侧）。
通过上图，可以得出，第一，情感原因子句几乎全都分布在情感子句的周围；第二，情感子句一般与情感原因子句是紧密相邻的，并且一般情况下，情感原因子句在前，情感子句尾随其后，即情感原因子句在情感子句的左侧，这种例子占所有文档的54.45%。通过以上结论得出相对位置信息的重要性。

2.2、Global Labels(全局标签)

三、模型

四、实验分析和结论

文 献

[1] [Gui et al. 2016a] Gui, L.; Wu, D.; Xu, R.; Lu, Q.; and Zhou,
Y. 2016a. Event-driven emotion cause extraction with corpus construction. In Proceedings of the 2016 Conference on
Empirical Methods in Natural Language Processing, 1639–
1649.