Sep, 2017

构建和表征具有多样化的对话中讽刺用语语料库

PDF
TL;DR本文描述了如何通过构建一个大规模、高度多样化的线上辩论论坛对话语料库及其对讽刺言语两种分类构建创新方法，使用词汇 - 语法线索可准确检索出讽刺言语，并在简单特征和弱监督自然语言模式学习的实验中得到了较高的表现。
ironysarcasmsocial mediacorporasupervised learning
发现论文，激发创造
  • 获取在线对话中讽刺的可靠注释

    本文探讨了利用 Mechanical Turk 上未经培训的注记者实现高度可靠的讽刺标注的标注方法，说明了使用大量常见的统计可靠性措施，如 Kappa，Karger，Majority Class 和 EM，而更复杂的措施对于我们的数据似乎没有产生更好的效果。

    Sep, 2017

  • 用于讽刺的大型自注释语料库

    该论文介绍了自注释 Reddit 语料库（SARC），该语料库为讽刺研究以及训练和评估讽刺检测系统提供了大量的数据。每个陈述还被作者自行注释，并配有用户、主题和对话上下文。通过构建基准测试和评估基线方法，我们对该语料库进行了准确度评估。

    Apr, 2017

  • 英印混合代码推文语料库用于讽刺检测

    通过英 - 印混合码数据集，我们开发了一个基于随机森林分类器并进行了 10 折交叉验证的基线监督分类系统，该系统可以检测到社交媒体上的文字中的反讽，并标记每个标记的语言标签。该系统平均得分为 78.4%。

    May, 2018

  • 多模多方对话中的讽刺解释

    本文提出了一项新的任务 —— 对话中的讽刺解释，并针对多模态和混合编码的情境，提出了一种多模态上下文感知的关注和全局信息融合模块 MAF 来捕捉多模态，并使用其来支持我们的任务。

    Mar, 2022

  • 多模态社交平台中的讽刺检测

    分析社交媒体上多模态信息中，表面情感和隐含情感之间的关系，探究图像在人类注释中的必要性，并提出了两种不同的计算框架来检测其中的讽刺色彩。结果表明，结合多模态信息的检测方法在各平台上均取得了良好的效果。

    Aug, 2016

  • 在多模态对话中解释（讽刺性）话语以提高情感理解能力

    本文介绍了使用 MOSES 模型对于含有讽刺言语的对话进行 Sarcasm Explanation，以及在此基础上实现的 Sarcasm detection, humour identification, 和 emotion recognition 等自然语言理解任务，并且通过各种评估指标展示了该模型的优越性。

    Nov, 2022

  • 社交媒体文本中讽刺检测的研究视角

    在社交媒体上大量使用讽刺文本会对目标用户产生生理影响，讽刺检测对于用户来说很困难，更 对于机器来说是具有挑战性的。此论文讨论了各种讽刺检测技术及其相关数据集等，并总结了一些 方法、挑战和未来的方向。

    Apr, 2023

  • 社交媒体上的计算机挖掘讽刺语言：系统综述

    本研究旨在对英语计算讽刺研究的最新进展和趋势进行简要概述，包括使用非监督预训练转换器在多模态环境中进行讽刺检测以及整合上下文以识别讽刺。我们介绍与讽刺相关的数据集、方法、趋势、问题、挑战和任务，提供针对讽刺的特征和其提取方法的汇总表，以及各种方法的性能分析，这些都可以帮助相关领域的研究人员了解讽刺检测中的最新技术实践。

    Sep, 2022

  • 利用上下文分隔符在在线话语中检测讽刺

    本文使用 RoBERTa_large 对 Twitter 和 Reddit 数据集进行讽刺检测，并通过使用三种不同类型的输入来确定上下文在提高性能方面的重要性。我们表明，我们提出的架构在两个数据集中都具有竞争力，并且在 Reddit 数据集中增加分隔符可以提高 F1 分数的 5.13％。

    Jun, 2020

  • 通读文中寻找讽刺含义的推理

    本研究介绍一种基于注意力机制的神经模型，可以识别社交媒体（如 Twitter 和 Reddit）上的讽刺和对比主题，该模型不仅在 Twitter、Reddit 和互联网论证语料库的六个基准数据集中实现了最优性能，而且具有更好的解释性。

    May, 2018