1. Zusammenfassung
Emotionale Gründe Extrakt (Emotion Ursache Extraktion, ECE) ist eine Textextraktion Aufgabe Ursachen einige Emotionen hinter dem Ziel, aufgrund seiner breiten Palette von Anwendungen zugrunde liegt, hat vor kurzem zog große Aufmerksamkeit. Aber es gibt zwei Mängel: 1) ECE durchgeführt werden muß, bevor die Extraktion Ursache für die emotionale Marke, die stark seine Anwendung begrenzt in der realen Szene, Methode 2) Zuerst wird die emotionale Tagging, und extrahieren Sie dann den Grund, warum sie ignoriert werden ein weiterer Hinweis auf diese Tatsache. Dieser Beitrag stellt eine neue Aufgabe: Emotion - Grund für die Extraktion (SMOD -cause Paar Extraktion, ECPE), ist sein Zweck das Dokument und die entsprechenden zugrunde liegenden emotionalen Gründen zu extrahieren.
2. Einführung
Abbildung 1 zeigt den Unterschied zwischen traditioneller und neuen ECPE ECE Aufgabe Aufgabe. In 1 ist ein Beispiel für Emotion gegeben markiert: „glücklich“, Ziel des ECE ist die entsprechende Spur zwei Klauseln zu verursachen: „ein Polizisten Besuch der alte Mann mit dem verlorenen Geld“ und „und sagte ihm, dass der Dieb war gefangen“. In ECPE Aufgabe ist es das Ziel die direkte Extraktion aller Gefühle Gründe (Emotion Ursache Paar), einschließlich ( „der alte Mann sehr glücklich“, „Polizeibesuch ältere loss“) und ( „der alte Mann sehr glücklich“, „Sag ihm, wurde der Dieb gefangen live „), bietet keine emotionalen Kommentare“ Glück ".
Um diese neue ECPE Aufgabe zu begegnen, schlägt das Papier einen zweistufigen Rahmen. Schritt 1 in zwei Multi-Task-Lernnetzwerk wird auf die emotionalen Gründe für die Extraktion Aufgabe zwei separate Teilaufgaben extrahiert Emotion (Emotion Extraktion) und Ursache Extraktion (Ursache-Extraktion) umgewandelt werden. Schritt 2 Paarung und emotionale Gründe für das Screening. Alle Papiere werden Elemente von zwei Sätzen von Paaren kombiniert werden, der letzte Zug ein Filter, der Kausalität schließt nicht die emotionalen Gründe enthalten, richtig.
3. Methoden
Schritt 1: Extraktion einzelner Emotion und Vernunft
Schritt 1 ist eine Gruppe von Emotion Ziel aus einer Reihe von Klauseln und die Gründe für jedes Dokument Klausel extrahiert wurden. Zu diesem Zweck schlagen wir zwei Multi-Task-Lernnetzwerk. Unabhängiges Multi-Task-Lernen und interaktives Multi-Task-Lernen. Letzteres ist eine erweiterte Version fängt weiter die Korrelation zwischen Emotion und Vernunft auf der Grundlage der ersteren.
1. Das unabhängige Multi-Task-Lernen
Ein Dokument , das eine Mehrzahl von Klauseln: D = [C . 1 , C 2 , ...], die jeweils C I enthalten auch eine Vielzahl von Wort C I = [W I1 , W I2 , ...]. Um eine solche „-Wort-Klausel-Dokument“ Struktur zu erfassen, überlagert ein Bi-LSTM - Netzwerk, das zwei Schichten enthält, wie es in Fig.
Eine Schicht bestehend aus einer Gruppe von Worten Bi-Level LSTM Modulen, wobei jedes Modul entspricht eine Klausel und Akkumulieren Informationen für jedes Wort im Kontext - Klausel. Eine obere Schicht aus zwei Teilen besteht : einem zum Extrahieren von Emotionen, einen weiteren Grund für die Extraktion. Jede Komponente ist eine Klausel Ebene Bi-LSTM, die die Eingangsschicht der Klausel c erhält i nach der Codierung Wortvektor S i . Implizit Zustände der beiden Teile des Bi-LSTM R & lt E I und R & lt C I aus der Klausel C sehen kann ich emotionalen Gründen und extrahiert und schließlich zurück auf die Emotion softmax Schicht Vorhersage und Prognose Gründen zugeführt.
2. Interaktive Multi-Task-Lernen
Bisher wurden zwei Bi-LSTM die obere Komponente sind unabhängig. Allerdings sind diese beiden Teilaufgaben (Extraktion und emotionalen Gründen Extrakt) sind nicht unabhängig. Auf der einen Seite bietet emotionale Hilfe besser die Gründe zu identifizieren, auf der anderen Seite kann es helfen zu verstehen, warum genaue Emotion extrahieren.
Struktur in Abbildung 3 gezeigt. Es sollte beachtet werden, dass die Verwendung von emotionalen Gründen extrahiert die Extraktionsverfahren zu verbessern, ist Inter-EC genannt. Zur Verbesserung der emotionalen Ursache Extraktion der Extraktionsmethode wird Inter-CE bezeichnet. Da der Inter-EC und Inter-CE in der Struktur ähnlich ist, stellt daher nur Inter-EC (Fig. 3 (a) unten).
Im Vergleich mit dem unabhängigen Multi-Task-Learning, ist der zugrunde liegende Inter-EC unverändert, während die obere Schicht besteht aus zwei Teilen, die verwendet werden, um die emotionale Aufgabe zu extrahieren und interaktiv vorhersagen Grunde Aufgabe zu extrahieren. Jede Komponente ist eine Klausel Ebene Bi-LSTM, dann eine softmax Schicht.
Schritt 2: Anpassung und Filterung auf affektiven
In Schritt 1 wird der schließlich einen Satz und eine Reihe von emotionalen Gründen Satz erhalten. Der zweite Schritt besteht darin, diese zwei Sätze von Paaren zu zielen.
Zunächst wird die E (emotionale Klausel Satz) und C (Klauselmenge Gründen) ein cartesianischen Anwendungsprodukt die Menge aller möglichen Paare zu erhalten: Pall = {?????, (C E I , C C J )} ?????
Als nächstes wird ein Merkmalsvektor unter Verwendung der in jedem der Pall aus drei Funktion dargestellt wird :
wobei S E I und S C I für C E I , C C J durch Wortvektor kodierend das Ergebnis V D darstellt C E I und C C J Abstand zwischen.
Logistisches Regressionsmodell wird dann trainiert, jedes Kandidatenpaar erfaßt wird (C E I , C C J ), C E I und C C J , ob es eine kausale Beziehung zwischen:
Y (c E I und C C J ) = 1 zeigt , dass (c. E I , C C J ) gibt es eine kausale Beziehung, Y (C E I und C C J ) = 0 bedeutet , dass (C E I , C C J ) keine kausale Beziehung, und δ (·) eine Sigmoid - Funktion von Pall der Entfernen von Y (C E I und C C J ) = 0 in (C E I , C C J) Ein Paar, um die Emotion-Ursache das letzte Paar zu geben.
4. Fazit
Papiere emotionalen Gründen auf der Grundlage der Referenzdatensatz (Emotion Ursache Datensatz) (Gui et al., 2016a) bewerten das Verfahren, ohne die Verwendung von emotionalen Kommentare zu den Testdaten. Das endgültige emotional - erreicht 61,28% des F1-Score für die Extraktion von Gründen. Die experimentellen Ergebnisse zeigen die Machbarkeit und Wirksamkeit dieser Methode. Neben den emotionalen - der Grund für die Extraktion der Auswertung wird das Papier auch zwei getrennte Aufgaben (Extraktion und emotionale Gründe Extrakt) Leistung bewertet. Im Vergleich mit der traditionellen Methode der ECE Emotion abhängig Beseitigung markiert hat dieses Verfahren große Vorteile.
