Recognizing Conditional Causal Relationships about Emotions and Their Corresponding Conditions

要約

テキスト内の感情と原因の間の因果関係の研究は、最近大きな注目を集めています。
ほとんどの研究は、文書から因果関係のある条項を抽出することに焦点を当てています。
しかし、これらの研究はいずれも、抽出された感情節と原因節の間の因果関係が、いくつかの特定の文脈節の下でのみ有効であるとは考えていません。
このような特殊な因果関係における文脈を強調するために、我々は、入力された感情と原因のペアが異なる文脈下で有効な因果関係を有するかどうかを判定し、因果関係に関与する特定の文脈節を抽出する新しいタスクを提案する。
このタスクは新しいもので、既存のデータセットが利用できないため、ベンチマーク データセットに手動でアノテーションを付けて、タスクのラベルと、他のアプリケーションでも使用できる各コンテキスト句のタイプのアノテーションを取得します。
因果関係のあるドキュメントとないドキュメントの数のバランスをとるために、ネガティブ サンプリングを採用して最終的なデータセットを構築します。
構築されたデータセットに基づいて、タスクの 2 つの目標を処理するための 2 つの新規かつ一般的なモジュールを設計する、エンドツーエンドのマルチタスク フレームワークを提案します。
具体的には、因果関係に関与する文脈節を抽出する文脈マスキングモジュールを提案する。
入力された感情と原因が特定の文脈節に依存するかどうかに応じて予測結果を微調整する予測集約モジュールを提案します。
広範な比較実験とアブレーション研究の結果は、私たちが提案したフレームワークの有効性と一般性を実証しています。

要約(オリジナル)

The study of causal relationships between emotions and causes in texts has recently received much attention. Most works focus on extracting causally related clauses from documents. However, none of these works has considered that the causal relationships among the extracted emotion and cause clauses can only be valid under some specific context clauses. To highlight the context in such special causal relationships, we propose a new task to determine whether or not an input pair of emotion and cause has a valid causal relationship under different contexts and extract the specific context clauses that participate in the causal relationship. Since the task is new for which no existing dataset is available, we conduct manual annotation on a benchmark dataset to obtain the labels for our tasks and the annotations of each context clause’s type that can also be used in some other applications. We adopt negative sampling to construct the final dataset to balance the number of documents with and without causal relationships. Based on the constructed dataset, we propose an end-to-end multi-task framework, where we design two novel and general modules to handle the two goals of our task. Specifically, we propose a context masking module to extract the context clauses participating in the causal relationships. We propose a prediction aggregation module to fine-tune the prediction results according to whether the input emotion and causes depend on specific context clauses. Results of extensive comparative experiments and ablation studies demonstrate the effectiveness and generality of our proposed framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google