Temel Kavramlar
会話における感情と原因の関係を分析し、LLMを用いた感情分類と単純なニューラルネットワークによる原因抽出のパイプラインを提案する。
Özet
本論文では、SemEval-2024 Task 3 "The Competition of Multimodal Emotion Cause Analysis in Conversations"に参加した取り組みを紹介する。特に、会話からの感情-原因ペアの抽出に焦点を当てている。
提案手法は以下の2段階からなる:
事前学習済みのGPT-3.5を微調整して感情分類を行う
BiLSTMベースのニューラルネットワークを用いて原因を抽出する
この手法により、主要な評価指標である加重平均比例F1スコアで0.264を達成し、15チーム中2位の成績を収めた。
感情分類では、特に嫌悪の感情が正しく分類できない傾向がある。これは、データセット内での出現頻度が低いためと考えられる。
原因抽出では、怒りの感情の原因を特定するのが最も困難であることが分かった。また、感情と原因の距離が離れるほど、正しく抽出できる確率が低下する傾向がある。
これらの分析結果から、感情と原因の関係性は複雑であり、単純なモデルでは限界があることが示唆される。データアノテーションの改善や、より高度な原因抽出手法の開発が今後の課題として考えられる。
İstatistikler
感情の91%に対応する原因が存在し、1つの感情が複数の原因によって引き起こされることがある。
感情-原因ペアの16%は複数の異なる感情を引き起こす。