Réseaux d'attention hiérarchiques bidirectionnels fondés sur le contexte au niveau du document pour l'extraction de causes émotionnelles

L’extraction des causes émotionnelles (ECE) vise à identifier les causes sous-jacentes à une émotion spécifique exprimée dans un texte. Plusieurs travaux liés à cette tâche ont été publiés ces dernières années et ont suscité un intérêt croissant. Toutefois, ces approches négligent deux enjeux majeurs : 1) elles accordent peu d’attention à l’impact de l’information contextuelle au niveau du document sur l’ECE, et 2) elles ne procèdent pas à une exploration suffisante de la manière d’utiliser efficacement les clauses émotionnelles annotées. À l’égard du premier point, nous proposons un réseau d’attention hiérarchique bidirectionnel (BHA), spécifiquement conçu pour une clause candidate de cause, afin de capturer de manière structurée et dynamique le contexte au niveau du document. En ce qui concerne le second point, nous avons conçu un module de filtrage émotionnel (EF) pour chaque couche du réseau d’attention graphique, qui calcule un score de porte basé sur la clause émotionnelle afin d’éliminer les informations non pertinentes. En combinant le BHA et l’EF, le modèle EF-BHA parvient à agréger dynamiquement les informations contextuelles selon deux directions tout en filtrant les éléments non pertinents. Les résultats expérimentaux montrent que EF-BHA atteint des performances compétitives sur deux jeux de données publics, en différentes langues (chinois et anglais). En outre, nous quantifions l’impact du contexte sur l’extraction des causes émotionnelles et fournissons une visualisation des interactions entre les clauses candidates de cause et leur contexte.