TSAM: 인과 관계를 위한 두 스트림 주의 모델

인과적 감정 추론(Causal Emotion Entailment, CEE)은 대화 발화에서 감정의 잠재적 원인을 발견하는 것을 목표로 합니다. 이전 연구들은 감정과 화자 정보를 무시한 채 CEE를 독립적인 발화 쌍 분류 문제로 정식화하였습니다. 본 논문에서는 새로운 관점에서 CEE를 통합 프레임워크 내에서 고려합니다. 우리는 여러 발화를 동시에 분류하여 전반적인 시각에서 발화 간의 상관관계를 포착하고, 대화 역사 내에서 화자의 감정 영향을 효과적으로 모델링하기 위해 두 개의 스트림 주의 모델(Two-Stream Attention Model, TSAM)을 제안합니다. 구체적으로, TSAM은 세 가지 모듈로 구성됩니다: 감정 주의 네트워크(Emotion Attention Network, EAN), 화자 주의 네트워크(Speaker Attention Network, SAN), 그리고 상호 작용 모듈입니다. EAN과 SAN은 감정 및 화자 정보를 병렬로 통합하며, 이후 상호 작용 모듈은 상호 양방향 변환(Mutual BiAffine Transformation)을 통해 EAN과 SAN 사이에 관련 정보를 효과적으로 교환합니다. 광범위한 실험 결과는 우리의 모델이 새로운 최신 기술(State-Of-The-Art, SOTA) 성능을 달성하였으며 기존 베이스라인보다 현저히 우수함을 입증하였습니다.