要約
テキストに表現される感情を予測することは、NLP（自然言語処理）コミュニティにおいてよく研究されている問題です。最近では、テキストに表現される感情の原因を抽出する研究が活発に行われています。これまでの多くの研究は、ドキュメント内の因果関係に基づく感情の意味論的包含を扱ってきました。本研究では、会話における感情の原因スパンと意味論的包含を抽出するためのニューラルモデルを提案します。このようなモデルの学習には、発話レベルで原因スパンが注釈されたRECCONデータセットを使用します。特に、MuTECという名前のエンドツーエンドのマルチタスク学習フレームワークを提案します。このフレームワークは、会話における感情、感情の原因、および意味論的包含を抽出することを目指しています。これは、既存のベースラインモデルが真実値の感情を使用して原因を抽出する方法とは対照的です。MuTECは、データセットで提供されるほとんどのデータ分割に対してベースラインモデルよりも優れた性能を示しています。