摘要

对话因果情感蕴含（Conversational Causal Emotion Entailment）旨在从对话中检测出针对非中性目标话语的因果表述。在本研究中，我们构建了对话图以克服原有蕴含风格中的隐式上下文建模问题。在此基础上，我们进一步将情感信息引入图中。情感信息可以显著促进对与目标话语具有相同情感的因果表述的检测。然而，对于不同情感尤其是中性情感的因果表述，检测仍然较为困难。原因在于模型在推理因果线索并在话语之间传递这些线索方面存在局限性。为了解决这一问题，我们引入了社会常识知识（CSK），并提出了一种知识增强型对话图（KEC）。KEC能够在两个话语之间传播CSK。由于并非所有CSK都适合用于特定的话语，因此我们提出了一种情感实现的知识选择策略来过滤CSK。为了处理KEC，我们进一步构建了知识增强型有向无环图网络（Knowledge Enhanced Directed Acyclic Graph networks）。实验结果表明，我们的方法优于基线模型，并且能够从目标话语中推断出更多不同情感的因果因素。