摘要
情绪成因是理解情感对话的关键组成部分。近期，一项名为因果情绪蕴含（Causal Emotion Entailment, CEE）的新任务被提出，旨在识别对话中导致目标情感话语的因果话语。尽管研究人员在该问题上已取得一定进展，但现有方法未能充分融合说话者特征，且忽视了对话结构中时间关系的影响。为在一定程度上弥补这一研究空白，本文提出一种新颖的因果情绪蕴含框架——多视角增强图注意力网络（Multi-Perspective Enhanced Graph Attention Network, MPEG）。MPEG的训练过程包含三个阶段：首先，采用一种面向说话者的预训练模型，并结合两种注意力机制，获取融合局部上下文、说话者信息及情感特征的话语表示；其次，将这些表示输入图注意力网络，从局部与全局两个视角建模对话结构与情绪动态；最后，通过全连接网络预测情感话语与因果话语之间的关系。实验结果表明，MPEG在性能上达到了当前最优水平。