End-to-end emotion-cause pair extraction
Extração completa de pares emoção-causa
| dc.comments | EE/2026/2348 | |
| dc.contributor.advisor | Gomes, Tiago Manuel Ribeiro | |
| dc.contributor.advisor | Tavares, Adriano | |
| dc.contributor.advisor | Xu, Hao | |
| dc.contributor.author | Gu, Xue | |
| dc.date.accessioned | 2026-07-07T10:01:29Z | |
| dc.date.embargo | 2028-05-05 | |
| dc.date.issued | 2026-05-05 | |
| dc.date.submitted | 2026-05 | |
| dc.description.abstract | A Extração de Pares Emoção-Causa (ECPE) visa identificar orações emocionais e as suas correspondentes orações causais em textos ao nível do documento, formando pares explícitos de emoção-causa. Apesar dos progressos recentes, as abordagens existentes ainda enfrentam desafios importantes: (1) padrões estruturais diversos entre emoções e causas dificultam a modelação eficaz de dependências de longo alcance; (2) a falta de colaboração hierárquica e semântica entre a identificação de emoções e causas reduz a coerência lógica e a interpretabilidade; (3) os métodos generativos produzem frequentemente resultados estruturalmente inconsistentes ou semanticamente imprecisos; e (4) a maioria dos modelos apresenta péssima capacidade generalização entre domínios ou em cenários de poucos recursos, limitando a sua robustez em aplicações do mundo real. Para abordar estes desafios, esta tese realiza um estudo sistemático e completo da ECPE através de quatro abordagens complementares. (1) Propõe-se uma mistura de “especialistas” conhecedores da posição relativa e com aprendizagem multitarefa para a extração de pares emoção-causa, que integra dependências sintáticas, papéis semânticos e relações entre frases para captar de forma adaptativa diversas estruturas de emoção-causa. (2) É desenvolvida uma cadeia de raciocínio multietapas Emoção- Experimentador-Evento-Causa para a extração de pares emoção-causa, que reformula o ECPE como uma cadeia de raciocínio cognitivamente interpretável de “emoção-experimentador-evento-causa”, permitindo caminhos de raciocínio causal explícito. (3) É proposta uma geração semântica estruturada com alinhamento para extração de pares emoção-causa, que define sequências-alvo estruturadas e introduz restrições de previsão ao nível da cláusula para garantir uma geração precisa e coerente. (4) É introduzido um método de ajuste de “prompts” baseado em conhecimento emocional para a extração de pares emoção-causa, que codifica explicitamente léxicos de emoções e padrões causais em modelos de “prompt” para orientar o modelo na captura de correlações semânticas essenciais entre emoção e causa. Experiências extensivas sobre conjuntos de dados de referência bilingues (chinês/inglês) e entre domínios (notícias/narrativa) demonstram que estes métodos alcançam um desempenho excecional ou competitivo na F1 e métricas relacionadas, ao mesmo tempo que melhoram significativamente a robustez e a interpretabilidade. | por |
| dc.description.abstract | Emotion–Cause Pair Extraction (ECPE) aims to identify emotion clauses and their corresponding cause clauses from document-level texts, forming explicit emotion–cause pairs. Despite recent progress, existing approaches still face key challenges: (1) diverse structural patterns between emotions and causes hinder effective modeling of long-range dependencies; (2) the lack of hierarchical and semantic collaboration between emotion and cause identification reduces logical coherence and interpretability; (3) generative methods often produce structurally inconsistent or semantically unfaithful outputs; and (4) most models generalize poorly across domains or in low-resource scenarios, limiting their robustness in real-world applications. To address these challenges, this thesis conducts a systematic study of end-to-end ECPE through four complementary approaches. (1) A Relative Position-Aware Mixture-of-Experts with Multi-Task Learning for Emotion-Cause Pair Extraction (Rel-MoE) is proposed, which integrates syntactic dependencies, semantic roles, and inter-sentence relations to adaptively capture diverse emotion–cause structures. (2) An Emotion- Experiencer-Event-Cause multi-step chain reasoning for Emotion-Cause Pair Extraction (EEEC) is developed, which reformulates ECPE as a cognitively interpretable reasoning chain of “emotion–experiencer– event–cause”, enabling explicit causal reasoning paths. (3) A Semantics-Structured Generation with Alignment for Emotion-Cause Pair Extraction (SSG-ECPE) is proposed, which defines structured target sequences and introduces clause-level prediction constraints to ensure faithful and coherent generation. (4) An Emotion knowledge-aware Prompt-tuning for Emotion-Cause Pair Extraction (EmoPrompt-ECPE) is introduced, explicitly encoding emotion lexicons and causal patterns into prompt templates to guide the model in capturing essential emotion–cause semantic correlations. Extensive experiments on bilingual (Chinese/English) and cross-domain (news/narrative) benchmark datasets demonstrate that these methods achieve state-of-the-art or competitive performance in F1 and related metrics, while significantly improving robustness and interpretability. | eng |
| dc.identifier.tid | 101680619 | |
| dc.identifier.uri | https://hdl.handle.net/1822/102490 | |
| dc.language.iso | eng | |
| dc.rights | embargoedAccess (2 Years) | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | |
| dc.subject | Aprendizagem multitarefa | |
| dc.subject | Extracção de pares emoção-causa | |
| dc.subject | Perspectiva generativa | |
| dc.subject | Problema de raciocínio em várias etapas | |
| dc.subject | Redes neuronais de grafos | |
| dc.subject | Emotion-Cause Pair Extraction | |
| dc.subject | Generative Perspective | |
| dc.subject | Graph Neural Networks | |
| dc.subject | Multi-step Reasoning Problem | |
| dc.subject | Multi-task Learning | |
| dc.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | |
| dc.title | End-to-end emotion-cause pair extraction | eng |
| dc.title.alternative | Extração completa de pares emoção-causa | por |
| dc.type | doctoralThesis | |
| dspace.entity.type | Publication | |
| sdum.degree.grade | Muito bom | |
| sdum.uoei | Escola de Engenharia | |
| thesis.degree.grantor | Universidade do Minho | por |
| thesis.degree.name | Doutoramento em Engenharia Eletrónica e de Computadores |
Ficheiros
Pacote original
1 - 1 de 1