用于情绪-原因对抽取的共同演化图推理网络
计算与语言
2023-06-08 v1 人工智能
摘要
情绪-原因对抽取(ECPE)旨在从文档中抽取所有情绪子句及其对应的原因子句。现有方法通过多任务学习(MTL)框架处理该任务,其中两个子任务为ECPE提供指示性线索。然而,以往的MTL框架仅考虑一轮多任务推理,忽略了从ECPE到子任务的反向反馈。此外,其多任务推理仅依赖语义层面的交互,无法捕捉显式依赖关系,且编码器共享和多任务隐藏状态拼接都难以捕捉因果关系。为解决这些问题,我们首先提出了一种基于共同演化推理的新MTL框架。它(1)对ECPE与其子任务之间的双向反馈进行建模;(2)允许三个任务共同演化并递归地相互提示;(3)整合预测层交互以捕捉显式依赖关系。接着我们提出了一种新颖的多任务关系图(MRG)以充分利用因果关系。最后,我们提出了一种共同演化图推理网络(CGR-Net),该网络实现了我们的MTL框架并在MRG上进行共同演化推理。实验结果表明,我们的模型取得了新的最先进性能,进一步分析证实了我们所提方法的优势。
引用
@article{arxiv.2306.04340,
title = {Co-evolving Graph Reasoning Network for Emotion-Cause Pair Extraction},
author = {Bowen Xing and Ivor W. Tsang},
journal= {arXiv preprint arXiv:2306.04340},
year = {2023}
}
备注
Accepted by ECML-PKDD 2023