LastResort在SemEval-2024任务3中的探索：将多模态情感原因对抽取作为序列标注任务
计算与语言
2024-04-03 v1 声音
音频与语音处理
摘要
对话是人类交流最自然的形式，其中每个话语可能涵盖多种可能的情感。尽管在文本情感检测方面已经做了大量工作，但在寻找所述情感的原因方面，尤其是在多模态设置中，所做的工作相对较少。SemEval 2024引入了对话中的多模态情感原因分析任务，旨在从涉及多种模态（文本、音频和视觉模态）的对话中提取单个话语所反映的情感，以及导致该情感的相应话语。在本文中，我们提出了将该任务作为话语标注和序列标注问题处理的模型，并对这些模型进行了比较研究，涉及使用不同编码器的基线、使用BiLSTM添加对话的上下文信息，以及最终添加CRF层以更有效地建模相邻话语之间的相互依赖性。在该任务的官方排行榜上，我们的架构排名第8，在排行榜上取得了0.1759的F1分数。
引用
@article{arxiv.2404.02088,
title = {LastResort at SemEval-2024 Task 3: Exploring Multimodal Emotion Cause Pair Extraction as Sequence Labelling Task},
author = {Suyash Vardhan Mathur and Akshett Rai Jindal and Hardik Mittal and Manish Shrivastava},
journal= {arXiv preprint arXiv:2404.02088},
year = {2024}
}