【论文阅读：Context-aware emotion cause analysis with multi-attention-basedneural network】

一、背景

情感原因识别旨在确定文本中表达的某些情绪背后的原因。目前多数研究有以下几点不足：（1）忽略了情感词的上下文（2）忽略了情感句与候选句之间的交互。因此，本文提出了一个基于多注意力(MANN)的神经网络模型。（对应的解决方法--通过Bi-LSTM聚合感情词与上下文；通过多头注意力机制执行由情感词引导的候选子句的注意，捕获重要部分）

二、相关工作

1.情绪模型

许多情绪模型的提出都是用于情绪类别的识别。情绪分类分为两种：（1）离散的、结构不同，这类情绪模型确认了六种类别：快乐、悲伤、恐惧、愤怒、厌恶、惊讶。（2）情绪维度模型以维度形式表示情绪类别，每个情绪在空间中占不同位置。

多数实验采用了第一种情绪类别方式。

2.神经网络模型

Li等人使用了与上下文相关的词级注意来获得更准确的陈述表征，并使用了问题引导的句子级注意来更好地进行上下文建模。对于问题回答任务，Chen等人提出了一个基于位置注意的递归神经网络模型，该模型将问题词的位置上下文整合到回答-注意表征中。

该文章首先利用Bi-lstm获得情感子句和候选字句的初始表示，然后通过多注意力机制获得情感句和候选句的交互的高级表征，最后，将上述表示形式输入到卷积神经网络。更为全面的理解文本提供的重要信息。

三、情绪原因识别任务

任务：二分类任务 输入：<候选句,情感句> 输出：y/n