초록
감정 원인 추출(ECE)은 텍스트 내 특정 감정의 원인을 추출하는 것을 목표로 한다. 최근 몇 년간 ECE 작업과 관련된 연구들이 발표되며 많은 주목을 받고 있다. 그러나 이러한 기존 방법들은 두 가지 주요 문제를 간과하고 있다. 첫째, 문서 수준의 맥락 정보가 ECE에 미치는 영향에 대한 고려가 부족하다는 점이며, 둘째, 레이블링된 감정 절편(감정 문장 조각)을 효과적으로 활용하는 방법에 대한 충분한 탐구가 부족하다는 점이다. 첫 번째 문제에 대해, 우리는 지정된 후보 원인 절에 대응하는 이방향 계층적 주의망(BHA)을 제안하여 문서 수준의 맥락 정보를 구조적이고 동적으로 추출한다. 두 번째 문제에 대해, 그래프 주의망의 각 레이어에 감정 필터링 모듈(EF)을 설계하여 감정 절을 기반으로 게이트 점수를 계산하고 관련 없는 정보를 필터링한다. BHA와 EF를 결합한 EF-BHA는 양방향으로 동적으로 맥락 정보를 통합하면서 불필요한 정보를 제거할 수 있다. 실험 결과, EF-BHA는 중국어와 영어로 구성된 두 개의 공개 데이터셋에서 경쟁력 있는 성능을 달성하였다. 또한, 맥락이 감정 원인 추출에 미치는 영향을 정량화하고, 후보 원인 절과 맥락 간의 상호작용을 시각화함으로써 그 관계를 명확히 제시하였다.