TCDA: Modelagem de Discurso Consciente com Restrição de Threads para Análise de Quádrupla Sentimental Conversacional

Resumo

A análise de quádruplos de sentimento baseada em aspetos conversacionais (DiaASQ) necessita de capturar as complexas inter-relações em diálogos de múltiplas rondas. Os métodos existentes geralmente empregam Redes de Convolução de Grafos (GCN) simples, que introduzem ruído estrutural e não consideram a sequência temporal dos diálogos, ou usam RoPE padrão, que captura implicitamente distâncias relativas numa sequência plana, mas não consegue separar claramente a ordem sintática ao nível do *token* da progressão ao nível do enunciado, podendo sofrer do problema da Diluição pela Distância. Para resolver estas questões, propomos um novo quadro que combina o Grafo Acíclico Direcionado com Restrição de Tópico (TC-DAG) e a Incorporação de Posição Rotativa com Consciência do Discurso (D-RoPE). Especificamente, o TC-DAG filtra o ruído entre tópicos com base em restrições temáticas, mantém a conectividade global através de uma âncora raiz e incorpora a sequência temporal dos diálogos. O D-RoPE alinha semânticas de múltiplas camadas usando projeção de fluxo duplo e sinais de frequência multi-escala, captura dependências temáticas usando distâncias do tipo árvore e atenua o problema da Diluição pela Distância ao nível do *token* ao incorporar progressões ao nível do enunciado. Resultados experimentais em dois conjuntos de dados de referência demonstram que o nosso quadro alcança um desempenho de última geração.

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.