LyS 参加 SemEval-2024 任务 3：将端到端多模态情感链接作为基于图的解析的早期原型
LyS at SemEval-2024 Task 3: An Early Prototype for End-to-End Multimodal Emotion Linking as Graph-Based Parsing
AI总结：
该研究提出将多模态情感因果链接建模为基于图的依存解析，并用 transformer 编码器与图解码器构建端到端原型，在 SemEval-2024 Task 3 子任务 1 中取得第 7 名。
摘要：
本文介绍了我们参与 SemEval 2024 Task 3 的工作，该任务聚焦于对话中的多模态情感原因分析。我们开发了一个端到端系统的早期原型，利用来自依存句法解析的基于图的方法来识别多方对话中的因果情感关系。我们的模型包括一个用于将多模态对话数据上下文化的、基于神经 transformer 的编码器，以及一个用于生成因果图邻接矩阵分数的基于图的解码器。在仅使用文本输入的情况下，我们在子任务 1 的 15 份有效官方提交中排名第 7。我们还讨论了在评测后阶段使用多模态输入参与子任务 2 的情况。
英文摘要：
This paper describes our participation in SemEval 2024 Task 3, which focused on Multimodal Emotion Cause Analysis in Conversations. We developed an early prototype for an end-to-end system that uses graph-based methods from dependency parsing to identify causal emotion relations in multi-party conversations. Our model comprises a neural transformer-based encoder for contextualizing multimodal conversation data and a graph-based decoder for generating the adjacency matrix scores of the causal graph. We ranked 7th out of 15 valid and official submissions for Subtask 1, using textual inputs only. We also discuss our participation in Subtask 2 during post-evaluation using multi-modal inputs.
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。
