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