摘要
因果情感蕴含（Causal Emotion Entailment, CEE）旨在发现对话中情感背后的潜在原因。以往的研究将CEE形式化为独立的对话对分类问题，忽略了情感和说话者信息。本文从一个新的视角出发，将CEE置于一个联合框架中进行研究。我们同步分类多个对话片段，以全局视角捕捉对话片段之间的关联，并提出了一种双流注意力模型（Two-Stream Attention Model, TSAM），有效建模了对话历史中说话者的情感影响。具体而言，TSAM包含三个模块：情感注意力网络（Emotion Attention Network, EAN）、说话者注意力网络（Speaker Attention Network, SAN）和交互模块。EAN和SAN并行地融入情感和说话者信息，随后的交互模块通过双向仿射变换（BiAffine transformation）有效地在EAN和SAN之间交换相关信息。大量的实验结果表明，我们的模型达到了新的最先进水平（State-Of-The-Art, SOTA），并且显著优于基线模型。