对话中情绪原因识别
计算与语言
2021-07-30 v4
摘要
我们解决了对话中识别情绪原因的问题，定义了该问题的两个新颖子任务，并提供了一个相应的对话级数据集，以及基于 Transformer 的强基线。该数据集可在 https://github.com/declare-lab/RECCON 获取。引言：识别文本中情绪背后的原因是 NLP 中一个基础但未被充分探索的研究领域。该领域的进展有望改善基于情感模型的可解释性和性能。由于对话者之间交织的动态，在对话的语句级别识别情绪原因尤其具有挑战性。方法：我们引入了对话中识别情绪原因（Recognizing Emotion Cause in CONversations，RECCON）任务及伴随数据集，包含超过 1,000 段对话和 10,000 个语句因果对。此外，我们基于原因来源定义了不同原因类型，并建立了基于 Transformer 的强基线来解决该数据集上两个不同的子任务：因果片段抽取和因果情绪蕴含。结果：我们基于 Transformer 的基线利用了上下文预训练嵌入（如 RoBERTa），优于最先进的情绪原因抽取方法。结论：我们引入了一个与（可解释的）情绪感知人工智能高度相关的新任务：对话中识别情绪原因，为此任务提供了一个新的极具挑战性的公开可用对话级数据集，并给出了该数据集上的强基线结果。
引用
@article{arxiv.2012.11820,
title = {Recognizing Emotion Cause in Conversations},
author = {Soujanya Poria and Navonil Majumder and Devamanyu Hazarika and Deepanway Ghosal and Rishabh Bhardwaj and Samson Yu Bai Jian and Pengfei Hong and Romila Ghosh and Abhinaba Roy and Niyati Chhaya and Alexander Gelbukh and Rada Mihalcea},
journal= {arXiv preprint arXiv:2012.11820},
year = {2021}
}
备注
https://github.com/declare-lab/RECCON, Accepted at Cognitive Computation