基于结构熵最小化分区的对话情感四元组抽取

对话情感四元组抽取（DiaASQ）旨在从给定的多轮、多参与者对话中抽取所有目标-方面-观点-情感四元组。现有方法通常在整个对话中学习词语关系，假设情感元素分布均匀。然而，我们发现对话常常包含多个在语义上独立的子对话，彼此之间没有明确的依赖关系。因此，在整个对话中学习词语关系不可避免地会引入额外的噪声。为此，我们的方法聚焦于将对话分区为语义独立的子对话。实现完整性同时最小化子对话数量 presents a significant 挑战。仅基于回复关系进行分区效果不佳。相反，我们提出利用结构熵最小化算法对对话进行分区。该方法旨在在保持相关utterances的同时尽可能区分不相关的utterances。此外，我们引入一个两阶段框架进行四元组抽取：首先在utterance级别抽取单个情感元素，然后在子对话级别进行匹配。广泛的实验结果表明，我们的方法在 DiaASQ 上实现了最先进的性能，同时计算成本大幅降低。