NUS-Emo at SemEval-2024 Task 3：面向多模态情感-原因分析的指令调优大语言模型

本文描述了我们为SemEval-2024 Task 3：多模态情感-原因分析系统所构建的体系结构。我们的项目针对子任务2，即多模态情感-原因对提取带情感类别（MECPE-Cat），构建了一个针对该任务独特挑战的双组件体系。我们将该任务分为两个子任务：情感识别（ERC）和情感-原因对提取（ECPE）。为此，我们利用大语言模型（LLM）的能力，这些模型在各种自然语言处理任务和领域中始终表现出领先性能。最重要的是，我们设计了一种情感-原因感知式指令调优方法，用于增强对具有相应因果依据的情感的感知。我们的方法使我们能够灵活地应对MECPE-Cat的复杂性，实现了该任务的加权平均34.71% F1分数，并在排行榜上获得第二名。我们将代码和元数据公开，以便可重复实验。