它们并非相同：直接原因并非以情绪解释为依托

情绪-原因配对抽取（Emotion-Cause Pair Extraction, ECPE）最初用于解释情绪发生的原因，但此目标如今常被简化为二元配对/非配对预测。虽然这种代理方法对于直接原因抽取有用，但容易被误读为依托情绪解释的证据。我们指出，这种解释仅部分有效。在IEMO-MECP数据集中，90.9%的原正例仍为情绪-原因，95.0%的原负例仍为非配对，表明二元ECPE任务基本保持。问题在于，仅靠直接触发词并不构成依托情绪的解释。情绪上下文（emo-context）是一种帮助解释目标情绪而非直接导致其发生的言语，在原边界的两侧都出现，并且在二元不确定性附近被丰富化，表明二元边界为此类话语证据没有稳定的位置。跨评估的ECPE模型中，直接触发词的恢复比上下文支持更可靠。在shortcut压力下，这种不平衡变得致命。二元训练的模型会对邻近词汇相似的非配对候选者赋予更高的配对分数，而对证据支持但结构更难的情绪-原因和情绪-上下文配对赋予更低分数。因此，配对分数会奖励便利的归因，而非依托的解释。高效的二元ECPE表现仅表示模型能够识别直接触发词，并不表示模型已解释了情绪。代码已公开于https://github.com/panzhzh/ECPExsame。