大連理工大學(xué)研究團(tuán)隊(duì)打造"對(duì)話情感四元組"新框架

這項(xiàng)由大連理工大學(xué)軟件學(xué)院聯(lián)合中山大學(xué)數(shù)據(jù)科學(xué)與計(jì)算機(jī)學(xué)院共同開展的研究，以預(yù)印本形式于2026年5月發(fā)布在arXiv平臺(tái)，編號(hào)為arXiv:2605.01717。研究提出了一套名為TCDA（Thread-Constrained Discourse-Aware Modeling）的新框架，專門用于從多輪對(duì)話中精準(zhǔn)抽取情感四元組信息。

每天，無數(shù)人在購物平臺(tái)、社交軟件、客服系統(tǒng)里進(jìn)行著大量多輪對(duì)話。這些對(duì)話里藏著豐富的情感信息——某人說"Galaxy S22打視頻電話很容易發(fā)熱"，另一人接著說"我用Ultra半小時(shí)后溫度升得很快"，再有人說"我的倒還好，不覺得燙"。要讓機(jī)器真正理解這些對(duì)話背后的情感結(jié)構(gòu)，不只是判斷"正面還是負(fù)面"，而是要精確識(shí)別出"誰在說什么產(chǎn)品的哪個(gè)屬性、表達(dá)了什么觀點(diǎn)、情感傾向如何"——這就是本文要解決的核心問題。

研究團(tuán)隊(duì)將這個(gè)任務(wù)稱為"對(duì)話情感四元組分析"（DiaASQ），每個(gè)四元組由四個(gè)部分組成：討論的對(duì)象（比如Galaxy S22 Ultra）、具體屬性（比如電池續(xù)航）、觀點(diǎn)表達(dá)（比如"令人失望"）以及情感極性（負(fù)面）。從真實(shí)對(duì)話中自動(dòng)抽取這四個(gè)要素，遠(yuǎn)比分析單句話難得多，因?yàn)閷?duì)話里的信息往往是碎片化的、跨越多個(gè)發(fā)言的，甚至受到對(duì)話結(jié)構(gòu)本身的深刻影響。

現(xiàn)有方法在處理這個(gè)問題時(shí)存在兩大明顯短板，而研究團(tuán)隊(duì)針對(duì)這兩個(gè)短板分別設(shè)計(jì)了全新的解決方案。理解這兩個(gè)問題及其解法，是讀懂這篇論文的關(guān)鍵所在。

一、對(duì)話的結(jié)構(gòu)究竟是什么樣的，為什么現(xiàn)有方法處理不好

要理解研究團(tuán)隊(duì)的出發(fā)點(diǎn)，先看一個(gè)真實(shí)對(duì)話場(chǎng)景。六個(gè)人在聊Galaxy S22系列手機(jī)，A說手機(jī)打視頻電話容易發(fā)熱，B說Ultra的屏幕亮度很好，A和C繼續(xù)討論發(fā)熱問題，D和E又聊起了電池續(xù)航。這個(gè)對(duì)話并不是一條直線從頭走到尾，而更像是一棵樹——有幾條并行的分支，每條分支都從同一個(gè)"根"（第一條發(fā)言）延伸出去，各自討論不同的話題。

研究人員把這種結(jié)構(gòu)稱為"對(duì)話線索"（Thread），每條線索就是一條獨(dú)立的話題分支。這個(gè)概念并不新鮮，此前也有方法嘗試?yán)盟５珕栴}在于，之前的方法使用的是一種叫做"圖卷積網(wǎng)絡(luò)"（GCN）的技術(shù)來建模對(duì)話結(jié)構(gòu)，這種技術(shù)的工作方式類似于在一張地圖上把所有城市都連上道路，然后讓信息沿著所有道路流動(dòng)。這樣做有兩個(gè)致命缺陷。

第一個(gè)缺陷是"串線"。Thread 1在聊發(fā)熱問題，Thread 3在聊續(xù)航問題，兩條線索之間根本沒有邏輯關(guān)聯(lián)，但傳統(tǒng)GCN會(huì)把兩條線索上的信息混在一起傳播，就像把兩個(gè)完全不相關(guān)的討論組里的消息隨機(jī)混發(fā)給所有人一樣，結(jié)果就是引入了大量無關(guān)噪音。第二個(gè)缺陷是"忽視時(shí)序"。對(duì)話是有時(shí)間順序的，A先說、B后說、C再回應(yīng)，這種先后順序本身就攜帶著重要的語義信息。但傳統(tǒng)GCN把對(duì)話當(dāng)作一張沒有方向的靜態(tài)圖來處理，完全忽略了"誰先說、誰后說"這件事。

研究團(tuán)隊(duì)為了解決這兩個(gè)問題，設(shè)計(jì)了一個(gè)叫做"線索約束有向無環(huán)圖"（TC-DAG）的新結(jié)構(gòu)。這個(gè)名字聽起來復(fù)雜，但背后的思路其實(shí)相當(dāng)直觀。

"有向"意味著圖中的每條邊都有方向，只能從早發(fā)言指向晚發(fā)言，就像時(shí)間只能向前流，不能倒退。"無環(huán)"意味著信息流動(dòng)路徑中不會(huì)出現(xiàn)循環(huán)，避免了信息在圖中無限兜圈子的問題。"線索約束"是最關(guān)鍵的設(shè)計(jì)：每個(gè)節(jié)點(diǎn)（即每條發(fā)言）只能與同一條線索內(nèi)的前幾條發(fā)言相連，嚴(yán)格禁止跨線索的隨意連接，從而切斷了不同話題分支之間的干擾信號(hào)。

但這里有一個(gè)微妙的工程問題：如果完全禁止跨線索連接，那些處于線索末端的節(jié)點(diǎn)就會(huì)失去與整體對(duì)話背景的聯(lián)系，變成"信息孤島"。研究團(tuán)隊(duì)的解決方案是設(shè)置一個(gè)"全局根節(jié)點(diǎn)錨定"機(jī)制——每當(dāng)一個(gè)節(jié)點(diǎn)在自己的線索內(nèi)找不到足夠多的前置連接時(shí)，就直接連接到第一條發(fā)言（根節(jié)點(diǎn)）。根節(jié)點(diǎn)是整個(gè)對(duì)話的起點(diǎn)，屬于所有線索共有的部分，通過它可以維持整體的語義連貫性，同時(shí)又不會(huì)引入其他線索的噪音。

在TC-DAG內(nèi)部，信息的傳播方式也經(jīng)過了精心設(shè)計(jì)。每條發(fā)言在聚合來自"鄰居"發(fā)言的信息時(shí)，會(huì)區(qū)分"同一說話人"和"不同說話人"兩種關(guān)系，對(duì)兩種來源的信息分別用不同的權(quán)重矩陣來處理。這就好像你在整理朋友群里的聊天記錄時(shí)，會(huì)本能地把同一個(gè)人的連續(xù)發(fā)言放在一起理解，而對(duì)不同人的發(fā)言則需要額外考慮語境切換。聚合完鄰居信息后，系統(tǒng)使用了兩個(gè)并行的門控循環(huán)單元（GRU）來更新每個(gè)節(jié)點(diǎn)的狀態(tài)：一個(gè)負(fù)責(zé)用周圍信息更新自身狀態(tài)，另一個(gè)負(fù)責(zé)追蹤信息流本身的演變。最終把兩者的輸出加總，得到每條發(fā)言的更新表示。

二、為什么"位置編碼"會(huì)出問題，以及如何讓機(jī)器同時(shí)感知詞的位置和輪次的位置

理解了TC-DAG之后，再來看第二個(gè)核心問題。在自然語言處理領(lǐng)域，有一種技術(shù)叫做"旋轉(zhuǎn)位置編碼"（RoPE），它的作用是告訴模型"這個(gè)詞在句子里的哪個(gè)位置"，進(jìn)而幫助模型理解詞與詞之間的相對(duì)距離和順序關(guān)系。這種技術(shù)在單句或短文本處理中表現(xiàn)出色，但在多輪對(duì)話場(chǎng)景下卻暴露出一個(gè)嚴(yán)重問題，研究團(tuán)隊(duì)將其命名為"距離稀釋"（Distance Dilution）。

具體來說是這樣的：在多輪對(duì)話中，每條發(fā)言可能包含很多詞。假設(shè)第3輪發(fā)言里有50個(gè)詞，那么第2輪的最后一個(gè)詞和第4輪的第一個(gè)詞之間，按照詞的序號(hào)算，距離就有50多位。RoPE在處理高頻率旋轉(zhuǎn)時(shí)，對(duì)于距離較遠(yuǎn)的兩個(gè)詞，會(huì)讓它們之間的注意力權(quán)重快速衰減——這在處理單句時(shí)是合理的，因?yàn)榫嚯x遠(yuǎn)確實(shí)意味著語義關(guān)聯(lián)度低。但在對(duì)話場(chǎng)景下，第2輪最后一個(gè)詞和第4輪第一個(gè)詞可能在邏輯上是直接相連的問答對(duì)，它們的語義距離其實(shí)非常近，僅僅因?yàn)榈?輪發(fā)言比較啰嗦，詞級(jí)別的物理距離就被人為拉大了，導(dǎo)致注意力權(quán)重錯(cuò)誤地下降，語義連接被切斷。

更深層的問題在于，對(duì)話里存在兩個(gè)不同"層次"的位置信息。一是詞在句子內(nèi)部的位置（比如"電池"是這句話的第5個(gè)詞），二是這條發(fā)言在整段對(duì)話中的輪次位置（比如這是第3輪發(fā)言）。這兩個(gè)層次的位置信息對(duì)于理解情感四元組都很重要，但以往的方法要么只處理詞級(jí)別的位置，要么只是簡(jiǎn)單地把兩個(gè)層次的注意力分?jǐn)?shù)相加，這種線性疊加的方式并不能真正融合兩個(gè)層次的信息。

研究團(tuán)隊(duì)提出的"對(duì)話感知旋轉(zhuǎn)位置編碼"（D-RoPE）是對(duì)標(biāo)準(zhǔn)RoPE的一次系統(tǒng)性改造，整體思路是把詞級(jí)別和發(fā)言級(jí)別的位置信息分離到兩個(gè)獨(dú)立的子空間里處理，然后再融合，而不是混在一起或簡(jiǎn)單相加。

具體做法是這樣的：首先，把最終的特征表示拆分成兩條并行的流——一條處理詞級(jí)別的精細(xì)語義（稱為微觀流），另一條處理發(fā)言級(jí)別的粗粒度語篇邏輯（稱為宏觀流）。兩條流分別用不同的學(xué)習(xí)矩陣進(jìn)行投影，確保各自捕獲不同層次的信息而不互相干擾。

在位置編碼的具體設(shè)定上，微觀流使用標(biāo)準(zhǔn)頻率（θ=10000）的旋轉(zhuǎn)編碼，位置索引是每個(gè)詞從對(duì)話根節(jié)點(diǎn)出發(fā)的累積拓?fù)渚嚯x，也就是按照TC-DAG的樹形結(jié)構(gòu)計(jì)算出來的路徑長(zhǎng)度，而不是簡(jiǎn)單的詞序號(hào)。宏觀流則使用更低的基礎(chǔ)頻率（θ=100），位置索引是每條發(fā)言的輪次編號(hào)。頻率降低意味著旋轉(zhuǎn)速度變慢，相鄰輪次之間的注意力衰減更加緩慢，這樣即使兩輪對(duì)話之間隔了很多詞，宏觀流仍然能夠維持它們之間的語義關(guān)聯(lián)，這正是解決"距離稀釋"問題的核心機(jī)制。

此外，研究團(tuán)隊(duì)還設(shè)計(jì)了一個(gè)叫做"坐標(biāo)符號(hào)反轉(zhuǎn)"的技巧，專門處理跨線索的情況。當(dāng)兩個(gè)詞屬于同一條線索時(shí)，它們的位置索引保持正常；當(dāng)兩個(gè)詞屬于不同線索時(shí)，其中一方的位置索引取負(fù)值。這個(gè)看似簡(jiǎn)單的符號(hào)變換，實(shí)際上改變了RoPE內(nèi)部的減法運(yùn)算結(jié)果，使得同一線索內(nèi)的詞對(duì)能夠被準(zhǔn)確識(shí)別為"近"，跨線索的詞對(duì)能夠被準(zhǔn)確識(shí)別為"遠(yuǎn)"，從而在位置編碼層面就實(shí)現(xiàn)了線索邊界的感知。

三、整體框架是如何把所有部分串聯(lián)起來的

了解了TC-DAG和D-RoPE這兩個(gè)核心組件之后，再來看研究團(tuán)隊(duì)是如何把它們整合進(jìn)一個(gè)完整系統(tǒng)的。

整個(gè)TCDA框架的處理流程可以用一條生產(chǎn)線來理解。對(duì)話文本首先被輸入一個(gè)預(yù)訓(xùn)練語言模型（中文用RoBERTa-base，英文用RoBERTa-Large）進(jìn)行基礎(chǔ)編碼，這一步獲得每個(gè)詞的初始語義表示。為了控制輸入長(zhǎng)度，對(duì)話會(huì)被按照線索結(jié)構(gòu)切分后分別輸入模型，每條線索以共同的根節(jié)點(diǎn)發(fā)言作為開頭。

接下來進(jìn)入"雙尺度編碼"階段，這一階段在兩個(gè)粒度上同時(shí)工作。在詞級(jí)別，系統(tǒng)使用了兩個(gè)并行的圖卷積網(wǎng)絡(luò)分別捕獲句法關(guān)系（詞與詞之間的語法依存關(guān)系）和語義關(guān)系（詞與詞之間的語義相似性），把這些局部知識(shí)融入詞的表示中。在發(fā)言級(jí)別，系統(tǒng)先通過一個(gè)Top-K聚合器把詞級(jí)別的特征壓縮成每條發(fā)言的整體向量，然后把這些發(fā)言向量送入TC-DAG進(jìn)行結(jié)構(gòu)化的跨發(fā)言信息傳播，得到融入了對(duì)話結(jié)構(gòu)信息的發(fā)言級(jí)表示。

兩個(gè)粒度的處理完成后，通過交叉注意力機(jī)制進(jìn)行融合：以詞級(jí)別表示為查詢，以發(fā)言級(jí)別表示為鍵和值，讓每個(gè)詞能夠根據(jù)整體對(duì)話結(jié)構(gòu)來調(diào)整自己的語義表示。這一步打通了精細(xì)語義和粗粒度結(jié)構(gòu)之間的信息通道。

最后，D-RoPE在注意力計(jì)算環(huán)節(jié)發(fā)揮作用，為每對(duì)詞的交互打上雙層位置標(biāo)記，使得注意力分?jǐn)?shù)既能感知詞內(nèi)的語法順序，也能感知跨輪次的對(duì)話邏輯。整合后的表示被分別投影到三個(gè)任務(wù)空間：實(shí)體邊界識(shí)別（識(shí)別目標(biāo)、屬性、觀點(diǎn)各自的文本范圍）、實(shí)體對(duì)齊（把目標(biāo)和屬性、屬性和觀點(diǎn)等正確配對(duì)）以及情感極性判斷（判斷正面、負(fù)面還是中性）。訓(xùn)練時(shí)對(duì)這三個(gè)子任務(wù)聯(lián)合優(yōu)化，使用加權(quán)交叉熵?fù)p失函數(shù)。

四、實(shí)驗(yàn)結(jié)果說明了什么，各個(gè)組件分別貢獻(xiàn)了多少

研究團(tuán)隊(duì)在兩個(gè)公開基準(zhǔn)數(shù)據(jù)集上進(jìn)行了驗(yàn)證，分別是中文版（ZH）和英文版（EN）的DiaASQ數(shù)據(jù)集，每個(gè)數(shù)據(jù)集包含1000段對(duì)話和7452條發(fā)言。中文數(shù)據(jù)集共有5742個(gè)情感四元組，英文數(shù)據(jù)集共有5514個(gè)。

與七個(gè)已發(fā)表的競(jìng)爭(zhēng)方法相比，TCDA在中文數(shù)據(jù)集上的情感四元組微觀F1值達(dá)到44.35%，超過了此前表現(xiàn)最好的方法（DMIN的43.29%）約1個(gè)百分點(diǎn)。在英文數(shù)據(jù)集上，TCDA的微觀F1值達(dá)到39.69%，超過了此前表現(xiàn)最好的方法（ICMSR的39.36%）約0.3個(gè)百分點(diǎn)。同時(shí)在目標(biāo)-屬性對(duì)抽取、目標(biāo)-觀點(diǎn)對(duì)抽取、屬性-觀點(diǎn)對(duì)抽取以及實(shí)體識(shí)別F1等子指標(biāo)上也有穩(wěn)定表現(xiàn)。

為了驗(yàn)證每個(gè)組件的獨(dú)立貢獻(xiàn)，研究團(tuán)隊(duì)進(jìn)行了消融實(shí)驗(yàn)，逐步去掉各個(gè)模塊并觀察性能變化。去掉TC-DAG（退化為普通回復(fù)關(guān)系GCN）后，中文F1下降0.57個(gè)百分點(diǎn)，英文下降0.91個(gè)百分點(diǎn)。去掉D-RoPE（退化為標(biāo)準(zhǔn)RoPE）后，中文F1下降0.61個(gè)百分點(diǎn)，英文下降1.04個(gè)百分點(diǎn)。兩個(gè)組件都去掉后，性能退化到43.29和38.14，與基線DMIN相同，說明TCDA相對(duì)于DMIN的全部性能增益確實(shí)來自這兩個(gè)新模塊，而非其他因素。

在圖結(jié)構(gòu)設(shè)計(jì)的對(duì)比實(shí)驗(yàn)中，研究團(tuán)隊(duì)比較了三種不同的圖構(gòu)建策略。只用回復(fù)關(guān)系構(gòu)建無向圖（Reply-GCN）時(shí)，中文F1為43.29，英文為38.14。換成按時(shí)序加上說話人區(qū)分的標(biāo)準(zhǔn)DAG（但不加線索約束）時(shí)，中文F1略微提升到43.48，但英文F1反而下降到37.57——這正好印證了論文的核心論斷：如果構(gòu)建DAG時(shí)不加線索約束，跨線索的噪音會(huì)嚴(yán)重干擾模型，在英文數(shù)據(jù)集上甚至比簡(jiǎn)單的無向圖還差。加上線索約束后的TC-DAG，中文43.74，英文38.65，兩者均達(dá)到最優(yōu)。

研究團(tuán)隊(duì)還專門測(cè)試了D-RoPE作為獨(dú)立插件的遷移能力，把它替換到MVQPN和DMIN這兩個(gè)基礎(chǔ)模型中。結(jié)果顯示，MVQPN加上D-RoPE后，中文F1從35.68提升到37.52（提升1.84個(gè)百分點(diǎn)），英文從35.62提升到36.42（提升0.80個(gè)百分點(diǎn)）。DMIN加上D-RoPE后，中文提升0.49，英文提升0.64。這說明D-RoPE具備模型無關(guān)的通用性，可以作為插件模塊應(yīng)用到不同的架構(gòu)中。

在超參數(shù)敏感性方面，研究團(tuán)隊(duì)發(fā)現(xiàn)TC-DAG使用2層時(shí)效果最佳，層數(shù)過多會(huì)導(dǎo)致"過度平滑"效應(yīng)（類似于一個(gè)謠言在人群中傳播太多次后就失真了）。窗口大小w設(shè)為2或更大時(shí)性能趨于飽和，因?yàn)閷?shí)際線索長(zhǎng)度通常不超過2-3條發(fā)言，更大的窗口不會(huì)帶來額外信息。

五、這項(xiàng)研究的意義和未來方向

說到底，這項(xiàng)研究本質(zhì)上是在解決一個(gè)工程與認(rèn)知雙重挑戰(zhàn)的問題：機(jī)器如何在嘈雜的多人對(duì)話中，既不迷失在結(jié)構(gòu)噪音里，又不因?yàn)槲谋咎L(zhǎng)而忘記邏輯上相近的兩輪對(duì)話之間的聯(lián)系。

TC-DAG的貢獻(xiàn)在于提供了一個(gè)比"完全連接圖"更精確、比"簡(jiǎn)單回復(fù)鏈"更豐富的對(duì)話結(jié)構(gòu)模型。它的關(guān)鍵洞察是：線索邊界是真實(shí)存在的語義邊界，穿越這條邊界傳播信息會(huì)引入干擾而非幫助。這個(gè)認(rèn)識(shí)雖然直觀，但在技術(shù)實(shí)現(xiàn)上需要精心設(shè)計(jì)才能既維持線索內(nèi)的充分信息流動(dòng)，又保持通過根節(jié)點(diǎn)的全局連接。

D-RoPE的貢獻(xiàn)在于提供了一個(gè)真正理解"對(duì)話中的位置"具有雙重含義的編碼方案。詞在句中的位置和發(fā)言的輪次位置是兩種本質(zhì)不同的信息，需要用不同的頻率尺度來處理，用分離的子空間來表示，最終再通過拼接而非加法來融合。這個(gè)設(shè)計(jì)思路對(duì)于其他需要處理分層位置信息的任務(wù)（比如文檔級(jí)理解、多文檔對(duì)話等）同樣具有參考價(jià)值。

研究團(tuán)隊(duì)在結(jié)論中明確提出，未來將把TC-DAG的架構(gòu)擴(kuò)展到更廣泛的多方對(duì)話任務(wù)上，比如"對(duì)話中的情緒識(shí)別"（ERC）。這意味著本文的技術(shù)思路有望超越情感四元組抽取這一單一任務(wù)，成為多輪對(duì)話理解領(lǐng)域的通用工具基礎(chǔ)。

有意深入了解這項(xiàng)研究的讀者，可以通過arXiv編號(hào)2605.01717查閱完整論文，研究團(tuán)隊(duì)也已在GitHub公開了完整代碼（github.com/LiXinran6/TCDA），可供復(fù)現(xiàn)和進(jìn)一步探索。

Q&A

Q1：DiaASQ情感四元組分析和普通情感分析有什么區(qū)別？

A：普通情感分析通常只判斷一句話是正面還是負(fù)面，而DiaASQ情感四元組分析要從多輪對(duì)話中同時(shí)識(shí)別出四個(gè)要素：被討論的對(duì)象、討論的具體屬性、表達(dá)的觀點(diǎn)詞語以及情感極性。比如不只是說"這段對(duì)話是負(fù)面的"，而是精確提取出"Galaxy S22 Ultra的電池續(xù)航令人失望（負(fù)面）"這樣完整的情感結(jié)構(gòu)，難度和信息密度都遠(yuǎn)高于普通情感分析。

Q2：TC-DAG里的"線索約束"具體是怎么工作的？

A：線索約束的核心規(guī)則是：每條發(fā)言只能與同一條話題線索內(nèi)的前幾條發(fā)言建立連接，嚴(yán)禁跨線索隨意連接。當(dāng)一條發(fā)言在自己的線索內(nèi)找不到足夠多的前置發(fā)言時(shí)，會(huì)直接連接到對(duì)話的第一條發(fā)言（根節(jié)點(diǎn)）作為全局背景錨點(diǎn)。這樣既保證了每條線索內(nèi)部信息的充分流通，又切斷了不同話題分支之間的干擾，同時(shí)通過根節(jié)點(diǎn)保持了整體的語義連貫性。

Q3：D-RoPE中的"距離稀釋"問題在實(shí)際對(duì)話中是怎么體現(xiàn)的？

A：在多輪對(duì)話中，假設(shè)第2輪和第4輪是一對(duì)直接問答，但第3輪發(fā)言恰好很長(zhǎng)，包含了50多個(gè)詞。按詞序號(hào)計(jì)算，第2輪末尾和第4輪開頭的"距離"超過50位，標(biāo)準(zhǔn)RoPE的高頻旋轉(zhuǎn)機(jī)制會(huì)讓這對(duì)問答之間的注意力權(quán)重大幅下降，模型因此"忘記"了它們?cè)谶壿嬌鲜侵苯酉嚓P(guān)的。D-RoPE通過引入發(fā)言輪次級(jí)別的低頻旋轉(zhuǎn)編碼來解決這個(gè)問題，讓模型始終知道這兩輪對(duì)話在輪次上只相差1，維持了正確的語義關(guān)聯(lián)。