要約
感情原因識別は、テキストにおける特定の感情表現を引き起こす潜在的な原因を特定することを目指しています。この問題に対処するために、手動で設計されたルールや特徴量に基づく規則ベースの手法や伝統的な機械学習手法が提案されてきました。最近では、深層学習手法もこのタスクに適用され、テキストに体現された感情とその原因の因果関係を自動的に捉える試みが行われています。本研究では、テキストの内容だけでなく、相対位置情報とグローバルラベル情報も感情原因識別において非常に重要であることを発見しました。これらの情報を統合するため、ニューラルネットワークアーキテクチャに基づいたモデルを提案します。このモデルは、3つの要素（すなわち、テキスト内容、相対位置情報、グローバルラベル）を一貫性がありかつエンドツーエンドで符号化します。私たちは相対位置強化埋め込み学習アルゴリズムを導入し、独立した予測問題から順序付けられた予測問題へと変換することで、動的なグローバルラベル情報を組み込む方法を提案します。ベンチマーク感情原因データセットでの実験結果は、私たちのモデルが新たな最先端の性能を達成し、多くの競合基準モデルよりも有意に優れていることを示しています。さらに分析した結果、相対位置強化埋め込み学習アルゴリズムと動的グローバルラベルを使用した順序付け予測メカニズムの有効性が確認されました。