情绪触发因素的无监督抽取式摘要
计算与语言
2023-06-05 v1
摘要
理解大规模危机中导致情绪的原因十分重要，因为它能为所表达的情绪提供根据，并进而增进对正在发生的灾难的理解。近期的方法训练有监督模型，通过抽取式摘要同时检测情绪并解释情绪触发因素（事件与评价）。然而，获取及时且高质量的抽取式摘要成本高昂且极为耗时，需要训练有素的专业标注者。在时效性敏感、高风险的情境中，这可能阻碍必要的响应。我们转而追求从文本中抽取触发因素的无监督系统。首先，我们引入 CovidET-EXT，以抽取式触发因素扩充（Zhan 等，2022）的抽取式数据集（处于 COVID-19 危机背景下）。其次，我们开发可联合检测情绪并摘要其触发因素的新无监督学习模型。我们的最佳方法称为 Emotion-Aware Pagerank，它结合了来自外部源的情绪信息与语言理解模块，并优于强基线。我们在 https://github.com/tsosea2/CovidET-EXT 发布数据与代码。
引用
@article{arxiv.2306.01444,
title = {Unsupervised Extractive Summarization of Emotion Triggers},
author = {Tiberiu Sosea and Hongli Zhan and Junyi Jessy Li and Cornelia Caragea},
journal= {arXiv preprint arXiv:2306.01444},
year = {2023}
}
备注
ACL 2023 Camera-Ready