PetKaz 在 SemEval-2024 Task 3：利用 LLM 推进对话中情感-原因对抽取的情感分类
PetKaz at SemEval-2024 Task 3: Advancing Emotion Classification with an LLM for Emotion-Cause Pair Extraction in Conversations
AI总结：
该研究面向对话情感-原因对抽取，结合微调 GPT-3.5 进行情感分类与 BiLSTM 网络检测原因，在 SemEval-2023 Task 3 子任务1中获得第二名。
摘要：
本文介绍我们提交给 SemEval-2023 Task 3“对话中多模态情感原因分析竞赛”的系统，重点是从对话中抽取情感-原因对。具体而言，我们的方法结合用于情感分类的微调 GPT-3.5，以及用于检测原因的基于 BiLSTM 的神经网络。我们在 Subtask 1 排名中获得第二名，并以 0.264 的加权平均比例 F1 分数（所记录的最高分之一）证明了该方法的有效性。
英文摘要：
In this paper, we present our submission to the SemEval-2023 Task~3 "The Competition of Multimodal Emotion Cause Analysis in Conversations", focusing on extracting emotion-cause pairs from dialogs. Specifically, our approach relies on combining fine-tuned GPT-3.5 for emotion classification and a BiLSTM-based neural network to detect causes. We score 2nd in the ranking for Subtask 1, demonstrating the effectiveness of our approach through one of the highest weighted-average proportional F1 scores recorded at 0.264.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
