Wissensbasiertes kausales Interaktionsnetzwerk für kausale Emotionsentailment

Causale Emotionsentailment zielt darauf ab, kausale Äußerungen in Konversationen zu identifizieren, die für eine Zielsatzung mit einer nicht neutralen Emotion verantwortlich sind. Frühere Arbeiten haben sich auf ein gründliches Verständnis des konversationsbezogenen Kontexts und eine genaue Analyse der Emotionsursachen beschränkt. Um dieses Ziel zu erreichen, schlagen wir das Wissensvermittelte Kausale Interaktionsnetzwerk (KBCIN) vor, bei dem allgemeinmenschliches Wissen (CSK) als drei Brücken genutzt wird. Insbesondere bauen wir für jede Konversation einen konversationsgraphischen Aufbau und nutzen das ereigniszentrierte CSK als semantische Brücke (S-Brücke), um durch das CSK-verstärkte Graph-Attention-Modul die tiefen inter-sätzlichen Abhängigkeiten im konversationsbezogenen Kontext zu erfassen. Darüber hinaus dient sozial-interaktives CSK sowohl als emotionsniveau Brücke (E-Brücke) als auch als aktionsniveau Brücke (A-Brücke), um Kandidatensatzungen mit der Zielsatzung zu verbinden, was explizite kausale Hinweise für das Emotionales Interaktionsmodul und das Aktionale Interaktionsmodul zur Analyse der Zielemotion bereitstellt. Die experimentellen Ergebnisse zeigen, dass unser Modell über den meisten Baseline-Modellen bessere Leistungen erzielt. Unser Quellcode ist öffentlich verfügbar unter https://github.com/circle-hit/KBCIN.请注意，这里有一些术语的翻译可能需要根据具体领域的习惯进一步调整，例如“konversationsgraphischen Aufbau”（对话图）和“ereigniszentrierte CSK”（事件中心的CSK）。如果这些术语在您的目标读者群体中有更常用的德语表达，请相应调整。