基于配对联合编码与关系图卷积网络的情绪-原因对抽取
计算与语言
2022-12-06 v1 人工智能
摘要
情绪-原因对抽取（ECPE）旨在抽取情绪子句及其对应原因子句，近来受到越来越多的关注。以往方法按指定顺序依次编码特征：先编码情绪与原因特征用于子句抽取，再将其组合用于配对抽取。这导致任务间特征交互的不平衡，即后抽取的特征与前序特征无直接接触。为解决此问题，我们提出一种新颖的基于配对的联合编码（PBJE）网络，以联合特征编码方式同时生成配对与子句特征，从而建模子句中的因果关系。PBJE可平衡情绪子句、原因子句与配对间的信息流。从多关系视角出发，我们构建异质无向图并应用关系图卷积网络（RGCN）来捕捉子句间及配对与子句间的多种关系。实验结果表明，PBJE在中文基准语料上取得了最先进的性能。
引用
@article{arxiv.2212.01844,
title = {Pair-Based Joint Encoding with Relational Graph Convolutional Networks for Emotion-Cause Pair Extraction},
author = {Junlong Liu and Xichen Shang and Qianli Ma},
journal= {arXiv preprint arXiv:2212.01844},
year = {2022}
}
备注
Accepted to EMNLP 2022