论文阅读——Recognizing Emotion Cause in Conversations

---

摘要

识别文本中情绪背后的原因是NLP中一个未被探索的研究领域。这个领域的发展具有着改善情感模型可解释性和性能的潜力。由于说话者之间的动态交互性，对话中的话语级情绪原因识别极具挑战性。为此，我们引入对话中的情绪原因识别任务，并提出一个该任务的数据集RECCON，此外，我们根据原因的来源定义了不同的原因类型，并且在RECCON中的两个子任务：1）Causal Span Extranction 和 2）Causal Emoiton Entailment上建立了较强的基于transformer的基线。数据集地址为： https://github.com/declare-lab/RECCON.

引言

情感理解是AI中的一个关键部分，而语言经常暗示了一个人的情感。因此，考虑到情感识别在意见挖掘，推荐系统，医疗和其它领域的广泛应用，情感识别在NLP中受到了广泛关注。
文本或视频中的情感探测和分类方面已经有了很大的进展，然而到目前为止，关于情绪的进一步推理，比如理解一个说话者情绪的背后原因仍然很少被探索。
在这篇论文中，我们关注的是对话中的情绪原因识别。特别地，我们会在对话上下文中寻找能够触发目标话语中的情绪的events, situations, opinions or experiences。除了上述提及的事件，原因也可以是一个说话者对另一个说话者所关心事件的对应反应（人际交往之间的情绪影响）。
我们引入了对话中的情绪原因识别任务，这个原因可能出现在当前话语或者历史话语中。
所做贡献如下所示：

• 我们提出了一个新的任务，并深入发掘了这个任务中的很多特性，而且定义了情绪原因的类型。
• 我们为这个任务构造了一个数据集RECCON。
• 我们提出了两个极具挑战性的子任务和对应的基线。

相关工作

主要是文本中的情感识别以及文本中的情绪原因识别（ECE和ECPE），而且在数据集中标注了多个片段来充分表示原因，同时提供了负样本：不包含原因片段的上下文。