要約
因果感情包含（Causal Emotion Entailment, CEE）は、会話の発話において感情の背後にある潜在的な原因を発見することを目指しています。これまでの研究では、CEE を独立した発話ペア分類問題として定式化し、感情と話者情報が無視されていました。本論文では、新しい視点から CEE を統合的な枠組みで考慮します。複数の発話を同時に分類することで、全体的な観点から発話間の相関関係を捉え、二重ストリーム注意モデル（Two-Stream Attention Model, TSAM）を提案して、会話履歴における話者の感情的影響を効果的にモデル化します。具体的には、TSAM は以下の3つのモジュールで構成されています：感情注意ネットワーク（Emotion Attention Network, EAN）、話者注意ネットワーク（Speaker Attention Network, SAN）、および相互作用モジュール。EAN と SAN は並列に感情と話者情報を組み込み、その後の相互作用モジュールは双方向アフィン変換（mutual BiAffine transformation）を通じて EAN と SAN 間で関連情報を効果的に交換します。広範な実験結果により、当該モデルが新たな最先端性能（State-Of-The-Art, SOTA）を達成し、ベースラインモデルを大幅に上回ることが示されました。