要約
会話中の感情原因抽出（ECEC）は、会話内で感情的原因を含む発話を抽出することを目指しています。これまでの多くの研究では、順次エンコーディングを使用して会話の文脈をモデル化することに焦点を当て、発話間の情報的な相互作用や会話特有の特徴を無視していました。本論文では、ECECにおける発話相互作用と会話特有の特徴を取り扱う上でディスコース構造の重要性を探ります。そのため、このタスクに対してディスコース認識型モデル（DAM）を提案します。具体的には、マルチタスク学習（MTL）フレームワークを使用してECECとディスコース解析を統合的にモデル化し、ゲート付きグラフニューラルネットワーク（ゲート付きGNN）を通じてディスコース構造を明示的にエンコードすることで、豊富な発話相互作用情報をモデルに組み込みます。さらに、ゲート付きGNNを使用して、ECECモデルに会話特有の特徴を追加で強化します。ベンチマークコーパスでの結果は、DAMが文献に記載されている最先端（SOTA）システムを上回ることを示しています。これは、ディスコース構造が感情的な発話とそれに対応する原因表現との間に潜在的なリンクを持つ可能性があることを示唆しており、また会話特有の特徴の効果性も確認しています。本論文で使用したコードはGitHub上で公開されます。