基于多粒度信息与多模块交互的情感-原因对抽取方法
计算与语言
2024-04-11 v1
摘要
情感-原因对抽取的目的是抽取情感子句与原因子句对。一方面，现有方法未充分考虑两个辅助任务的情感抽取之间的关系。另一方面，现有的两阶段模型存在误差传播问题。此外，现有模型未能充分处理由情感和原因导致的样本位置不平衡问题。为解决这些问题，提出了一种基于 GRU、知识图谱与 transformer 模块间共享交互的端到端多任务模型（MM-ECPE）。进一步地，在 MM-ECPE 的基础上，为了利用编码器层更好地解决子句间距离与情感子句分布不平衡的问题，我们提出了一种基于 BERT、情感词典与位置感知交互模块层的新型编码，用于情感动机对检索模型（MM-ECPE(BERT)）。该模型首先通过多级共享模块充分建模不同任务间的交互，并挖掘情感-原因对抽取与情感抽取及原因抽取之间的共享信息。其次，为解决情感子句与原因子句分布不平衡的问题，根据知识图谱路径长度筛选合适的标签，并构建特定于任务的特征，使模型能够专注于抽取具有相应情感-原因关系的对。在 ECPE 基准数据集上的实验结果表明，所提出的模型取得了良好的性能，特别是在位置不平衡的样本上。
引用
@article{arxiv.2404.06812,
title = {Emotion-cause pair extraction method based on multi-granularity information and multi-module interaction},
author = {Mingrui Fu and Weijiang Li},
journal= {arXiv preprint arXiv:2404.06812},
year = {2024}
}