摘要

因果情感蕴含（Causal Emotion Entailment, CEE）任务旨在从对话语境中的未标注情感文本中，自动提取所有潜在的情感-原因配对。现有大多数方法通常采用两阶段流水线框架：第一阶段分别识别情感子句与原因子句，并提取其语义表示；第二阶段则构建最终的情感-原因配对。然而，这些方法忽略了子句间距离对情感-原因配对匹配效果的影响。为此，本文提出一种基于Window Transformer的联合建模框架，以有效建模子句间的空间依赖关系。该框架采用预训练的BERT与RoBERTa作为文本编码器，生成文档中各子句的局部语义表示。同时，将编码后的表示输入二维Window Transformer，使子句表示能够感知窗口内的上下文信息，并捕捉子句之间的依赖关系。此外，通过基于核函数的相对位置嵌入（kernel-based relative position embedding），对候选子句进行排序，进一步增强情感对与原因对的表示能力。实验结果表明，所提出的框架在基准数据集上取得了当前最优的性能表现。