Sep, 2018

深层上下文化词表示用于检测讽刺和反语

PDF
TL;DR使用机器学习和基于 ELMO 的字向量表征，可以在 3 个数据源派生的 7 个数据集上提供最先进的性能，以准确预测上下文相关和非文字化表述，如讽刺和嘲讽表达式。
nlpironic expressionselmomorpho-syntactic featuresmachine learning
发现论文，激发创造
  • 对最先进的大型语言模型在讽刺检测方面的评估

    使用先进的语言表示模型和上下文驱动模型，对 Reddit 语料库进行分析，评估其性能并找到理想的讽刺检测方法。

    Oct, 2023

  • 基于上下文、情感和情感特征的讽刺检测框架

    本文提出一种模型，使用预训练的转换器和 CNN 捕捉上下文特征，用于捕捉蕴含在讽刺中的不一致性，并在社交网络平台和在线媒体的四个数据集上优于以前的最新成果。

    Nov, 2022

  • 利用用户嵌入模拟上下文进行社交媒体中的讽刺检测

    该研究提出了一个基于深度神经网络的、用于自动检测讽刺的模型，其中利用了用户嵌入向量和词汇信号，避免繁琐的特征工程和数据爬取，经实验证明总体效果优于现有方法。

    Jul, 2016

  • 使用神经网络基准进行非上下文讽刺建模

    本文介绍一种基于概率建模的新颖方法，通过使用人类讽刺基准对神经网络进行训练，识别、分类和学习讽刺文本的特征，并建立一个对细微差异敏感的情感分析模式，以实现更自然、更吸引人的对话系统。

    Nov, 2017

  • 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

  • 结合无上下文信息和上下文信息表示进行阿拉伯语挖苦检测和情感识别

    本研究提出了一种基于 AraBERT 语言模型与在阿拉伯社交媒体文献库上训练的静态词向量结合的混合模型，应用于阿拉伯推文的讽刺性和情感极性检测任务，实现了优异的 F1 - 讽刺得分和 F-PN 情感得分，并在两项任务中均优于多个现有的方法。

    Mar, 2021

  • 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

  • 基于对话背景的讽刺分析

    研究了在社交媒体中检测讽刺语境下的对话背景、LSTM 网络、不同平台之间差异对结果的影响以及定位句子语气的研究，通过定量分析和注意力机制判别出实验结果优于人工标注。

    Aug, 2018

  • 使用深度卷积神经网络深入研究讽刺推特

    通过基于预训练的卷积神经网络提取情感，情绪和人格特征以及网络的基本特征，我们开发的模型可以有效区分讽刺语句并解决分类新数据的普适性问题。

    Oct, 2016

  • 基于词嵌入的特征对讽刺检测有用吗？

    本文探讨在利用词向量进行讽刺检测时，通过加入语义相似性 / 不一致性的方法，对四种特征集进行了改进，发现无论使用哪种嵌入或将其附加到哪个原始特征集上，都能提高讽刺检测的性能，其中使用 Word2Vec 嵌入时，F 分数提高了约 4％，而依赖权重和 Word2Vec 嵌入相比，LSA 和 GloVe 的效果不如后者。

    Oct, 2016