Unsupervised Extractive Summarization of Emotion Triggers

要約

大規模な危機の際に何が感情を引き起こすのかを理解することは、表現された感情の根拠を提供し、その後、進行中の災害の理解を向上させることができるため重要である。最近のアプローチでは、教師ありモデルを学習させ、感情を検出し、抽象的な要約によって感情のトリガー（イベントと評価）を説明する。しかし、タイムリーで質的な要約を得るには、高度に訓練された専門家のアノテーションが必要であり、高価で非常に時間がかかる。しかし、抽象的な要約をタイムリーに得るには、高度に訓練された専門家のアノテーションが必要であり、時間的制約が大きいため、必要な対応を阻害する可能性がある。そこで私たちは、テキストからトリガーを抽出する教師なしシステムを開発しました。まず、CovidET-EXTを導入し、(Zhan et al. 2022)の抽象的なデータセット（COVID-19危機の文脈で）を抽出トリガーで補強する。第二に、我々は、感情を検出し、そのトリガーを要約することができる新しい教師なし学習モデルを共同開発する。感情認識ページランクと名付けられた我々の最良のアプローチは、言語理解モジュールと組み合わせた外部ソースからの感情情報を組み込み、強力なベースラインを凌駕しています。私たちのデータとコードは、https://github.com/tsosea2/CovidET-EXT で公開しています。

要約(オリジナル)

Understanding what leads to emotions during large-scale crises is important as it can provide groundings for expressed emotions and subsequently improve the understanding of ongoing disasters. Recent approaches trained supervised models to both detect emotions and explain emotion triggers (events and appraisals) via abstractive summarization. However, obtaining timely and qualitative abstractive summaries is expensive and extremely time-consuming, requiring highly-trained expert annotators. In time-sensitive, high-stake contexts, this can block necessary responses. We instead pursue unsupervised systems that extract triggers from text. First, we introduce CovidET-EXT, augmenting (Zhan et al. 2022)’s abstractive dataset (in the context of the COVID-19 crisis) with extractive triggers. Second, we develop new unsupervised learning models that can jointly detect emotions and summarize their triggers. Our best approach, entitled Emotion-Aware Pagerank, incorporates emotion information from external sources combined with a language understanding module, and outperforms strong baselines. We release our data and code at https://github.com/tsosea2/CovidET-EXT.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL