摘要

情感原因提取（Emotion Cause Extraction, ECE）任务旨在发现文档中某一情感表达背后的潜在原因。为了解决这一任务，已经提出了包括基于规则的方法、传统机器学习方法和深度神经网络在内的多种技术。然而，大多数先前的研究将ECE视为一系列独立的子句分类问题，忽略了文档中多个子句之间的关系。在本研究中，我们提出了一种联合情感原因提取框架，称为RNN-Transformer层次网络（RTHN），用于同步编码和分类多个子句。RTHN由一个基于循环神经网络（Recurrent Neural Networks, RNNs）的低层词级编码器组成，用于编码每个子句中的多个词语；以及一个基于Transformer的高层子句级编码器，用于学习文档中多个子句之间的相关性。此外，我们还提出了一些方法，将相对位置信息和全局预测信息编码到Transformer中，以捕捉子句之间的因果关系并提高RTHN的效率。最终，我们在12个对比系统中取得了最佳性能，并将最先进的F1分数从72.69%提升至76.77%。