Samsung Research China-Beijing 在 SemEval-2024 Task 3：一个用于对话中情绪-原因对抽取的多阶段框架
Samsung Research China-Beijing at SemEval-2024 Task 3: A multi-stage framework for Emotion-Cause Pair Extraction in Conversations
AI总结：
本研究提出一个多阶段框架，用于对话中的多模态情绪-原因对抽取，利用基于 Llama-2 的 InstructERC 识别情绪，并结合双流注意力模型和 MuTEC 抽取因果对与因果跨度，在 SemEval-2024 Task 3 的两个子任务中均获第一名。
摘要：
在人机交互中，智能体通过理解人类情绪来回应至关重要。揭示情绪的原因更具挑战性。一个名为 Multimodal Emotion-Cause Pair Extraction in Conversations 的新任务负责识别情绪并识别因果表达。在本研究中，我们提出了一个多阶段框架，在给定目标情绪的情况下生成情绪并抽取情绪因果对。在第一阶段，利用基于 Llama-2 的 InstructERC 来抽取对话中每个话语的情绪类别。在情绪识别之后，采用双流注意力模型为子任务2在给定目标情绪的情况下抽取情绪因果对，同时采用 MuTEC 为子任务1抽取因果跨度。我们的方法在竞赛中的两个子任务中均获得了第一名。
英文摘要：
In human-computer interaction, it is crucial for agents to respond to human by understanding their emotions. Unraveling the causes of emotions is more challenging. A new task named Multimodal Emotion-Cause Pair Extraction in Conversations is responsible for recognizing emotion and identifying causal expressions. In this study, we propose a multi-stage framework to generate emotion and extract the emotion causal pairs given the target emotion. In the first stage, Llama-2-based InstructERC is utilized to extract the emotion category of each utterance in a conversation. After emotion recognition, a two-stream attention model is employed to extract the emotion causal pairs given the target emotion for subtask 2 while MuTEC is employed to extract causal span for subtask 1. Our approach achieved first place for both of the two subtasks in the competition.
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。
