TCDA: スレッド制約付き談話考慮モデリングによる会話感情四項分析

要旨

対話的アスペクト感情四重項分析（DiaASQ）は、多ラウンドの対話内における複雑な相互関係を捉える必要がある。既存手法は、構造的ノイズを導入し対話の時間的順序を考慮しない単純なグラフ畳み込みネットワーク（GCN）を採用するか、あるいは平坦な系列における相対距離を暗黙的に捉えるが、トークンレベルの構文的順序と発話レベルの進行を明確に区別できず、距離希釈問題が生じうる標準RoPEを使用する場合がほとんどである。これらの課題を解決するため、本論文はスレッド制約付き有向非巡回グラフ（TC-DAG）と談話認識型RoPE（D-RoPE）を組み合わせた新たなフレームワークを提案する。具体的には、TC-DAGはスレッド制約に基づいてスレッド間ノイズを除去し、ルート固定による大域的接続性を維持しつつ対話の時間的順序を組み込む。D-RoPEは双方向射影とマルチスケール周波数信号を用いて多層意味を整合させ、木構造距離を用いてスレッド依存関係を捉え、発話レベルの進行情報を導入することでトークンレベルの距離希釈問題を緩和する。2つのベンチマークデータセットにおける実験結果から、本フレームワークが最先端の性能を達成することを実証する。

English

Conversational Aspect-based Sentiment Quadruple Analysis (DiaASQ) needs to capture the complex interrelationships in multiple rounds of dialogues. Existing methods usually employ simple Graph Convolutional Networks (GCN), which introduce structural noise and fail to consider the temporal sequence of the dialogues, or use standard RoPE, which implicitly captures relative distances in a flat sequence but cannot clearly separate the token-level syntactic order from the utterance-level progression, and may suffer from the Distance Dilution problem. To address these issues, we propose a new framework that combines Thread-Constrained Directed Acyclic Graph (TC-DAG) and Discourse-Aware Rotary Position Embedding (D-RoPE). Specifically, TC-DAG filters out cross-thread noise based on thread constraints, maintains global connectivity through root anchoring, and incorporates the temporal sequence of the dialogues. D-RoPE aligns multi-layer semantics using dual-stream projection and multi-scale frequency signals, captures thread dependencies using tree-like distances, and alleviates the token-level Distance Dilution problem by incorporating utterance-level progressions. Experimental results on two benchmark datasets demonstrate that our framework achieves state-of-the-art performance.

TCDA: スレッド制約付き談話考慮モデリングによる会話感情四項分析

TCDA: Thread-Constrained Discourse-Aware Modeling for Conversational Sentiment Quadruple Analysis

要旨

Support