ECRC: 韓国語会話における感情因果認識

この多タスク学習研究では、会話文脈における感情とその根本原因の同時分析において、深層神経ネットワーク手法を用いて大規模なラベル付きデータセットを効果的に処理及び訓練しました。しかし、これらのアプローチは通常、語または文レベルの埋め込みのいずれか一方に依存するため、コーパス全体の文脈分析を行う際に制限があります。前者は多義語や同音異義語に苦しみ、後者は長文処理時に情報損失を引き起こします。本研究では、語と文の両方のレベルの埋め込みを利用することにより、以前の埋め込みの限界を克服します。さらに、感情因果認識モデル（ECRC）を提案し、これは新しいグラフ構造に基づいており、両方の埋め込み手法の強みを活かしています。このモデルは、韓国語会話分析のために双方向長短期記憶（Bi-LSTM）とグラフ神経ネットワーク（GCN）モデルを独自に統合しています。一つの埋め込み方法のみに依存するモデルと比較して、提案されたモデルは言語的特徴や関係といった抽象的概念を効果的に構造化し、情報損失を最小限に抑えます。モデルの性能を評価するために、異なるグラフ構造を持つ三つの深層神経ネットワークモデルの多タスク学習結果を比較しました。さらに、提案されたモデルを韓国語と英語のデータセットで評価しました。実験結果は、ノードとエッジの特性がグラフ構造に組み込まれると、提案されたモデルが感情と因果関係の多タスク学習（それぞれ74.62%と75.30%）において優れた性能を示すことを示しています。韓国のECCおよびウェルネスデータセットでも同様の結果（それぞれ74.62%と73.44%）が記録され、IEMOCAP英語データセットでは71.35%でした。