TSAM：一种用于因果情绪蕴含的双流注意力模型
计算与语言
2022-09-23 v2 人工智能
摘要
因果情绪蕴含（Causal Emotion Entailment, CEE）旨在发现对话话语中情绪背后的潜在原因。以往研究将 CEE 形式化为独立的话语对分类问题，忽略了情绪和说话人信息。本文从一个新的视角出发，在一个联合框架中考虑 CEE。我们同步分类多个话语，以从全局视角捕捉话语间的相关性，并提出了一种双流注意力模型（Two-Stream Attention Model, TSAM），以有效建模对话历史中说话人的情绪影响。具体而言，TSAM 包含三个模块：情绪注意力网络（Emotion Attention Network, EAN）、说话人注意力网络（Speaker Attention Network, SAN）和交互模块。EAN 和 SAN 并行地融入情绪和说话人信息，随后的交互模块通过互双仿射变换有效地在 EAN 和 SAN 之间交换相关信息。大量实验结果表明，我们的模型达到了新的最先进（State-Of-The-Art, SOTA）性能，并显著优于基线模型。
引用
@article{arxiv.2203.00819,
title = {TSAM: A Two-Stream Attention Model for Causal Emotion Entailment},
author = {Duzhen Zhang and Zhen Yang and Fandong Meng and Xiuyi Chen and Jie Zhou},
journal= {arXiv preprint arXiv:2203.00819},
year = {2022}
}