9月8日论文复写
Effective Inter-Clause Modeling for End-to-End Emotion-Cause PairExtraction
情感-原因配对的提取旨在从一个特定的文档中提取出所有的情感句子与其产生的原因。
之前(2020年以前)的工作采用两步:
1、分别提取情感句以及原因句
2、训练分类器来过滤掉负面的配对
情感原因分析的目标是检测文本中表达某种情感的原因或导致这种情感发生的事件。应用场景如消费者评论挖掘和舆论监督。
问题
1、这种用来提取情感-原因配对的方法不是最优的,因为他收到了错误传播的影响,而且两个步骤之间的适配性不一定很好。
2、之前的识别指定情感的原因忽略了情感及其原因的相互关联。所以提出了情感-原因配对提取
提出解决方法
1、用排序的角度来处理情感-原因配对的提取。
2、提出一种强调句子之间的建模的神经方法,以执行端到端的提取。
具体方法
1、对文档中各个句子之间的相互关系进行建模,以学习具有graph attention的句子表示。捕捉两个句子之间的潜在关系。
2、通过基于内核的相对位置嵌入来增强句子配对表示
3、话语具有内聚性以及一致性,两个相距较远的句子含有因果关系的概率非常小,所以就可以根据排序的思想来提取情感聚对
4、
结果
1、方法优于当前的两步法
2、突出在一个文档中提取多个句子配对的情况下