EMNLPAug, 2019

幽默检测：一个变形金刚笑到最后

PDF
TL;DR本文提出新的任务：判断一个笑话是否幽默，通过建立基于 Reddit 站点上近 16,000 标记实例的幽默评分模型，使用 Transformer 体系结构实现语句上下文的学习，取得了与人类表现可比较的成果，并在短笑话和双关语数据集上取得了 93.1% 和 98.6% 的 F-measure，这一方法超过了以前用于这些任务的所有先前工作。
humor identificationjoke assessmenttransformer architecturereddit ratingsmachine learning
发现论文，激发创造
  • 笑脸头：Transformer 能否识别句子中的幽默元素？

    通过对自动检测幽默的研究，我们训练了基于转换器的模型，并分析了幽默识别模型，进一步提高了模型性能和训练方法。

    May, 2021

  • 顽皮变压器：理解冒犯幽默

    本研究通过引入一个由 Reddit 过滤的新颖笑话数据集，并使用经过微调的 Transformer（Naughtyformer）解决了幽默子类型分类任务，特别是恶意笑话；同时表明我们的模型在检测冒犯性笑话方面比现有方法显著更好。

    Nov, 2022

  • 使用对抗式多任务学习在 SemEval-2021 任务 7 中检测和评分幽默与攻击

    本文描述了关于使用 AMTL-Humor 的对抗式多任务网络进行幽默和冒犯文本检测。训练模型包含多个分支，通过模型对 BiLSTM 和 Capsule 层进行训练并使用 BERTweet 生成上下文化嵌入。最终模型是所有测试配置的集合，并在 SemEval-2021 的 7 号任务中实现了 95.66％的 F1 得分和 94.70％的准确率，同时还针对 1b 和 2 号任务分别获得了 0.6200 和 0.5318 的 RMSE 分数。

    Apr, 2021

  • 认真对待幽默：使用无趣的大型语言模型构建幽默数据集

    通过编辑文本，我们研究了大型语言模型（LLMs）是否能够生成用于幽默检测的合成数据。我们对现有的人类数据集进行了基准测试，并展示了当前的 LLMs 在判断幽默性和幽默检测的下游任务中，能够令人印象深刻地去除笑话。我们还将我们的方法扩展到了一个混合编码的英文 - 印地语幽默数据集，发现 GPT-4 的合成数据得到了双语注释者的高评价，并为幽默分类器提供了具有挑战性的对抗性例子。

    Feb, 2024

  • 使用 Transformer 全流程生成从科学摘要中获取幽默的标题

    研究了基于 Transformer 的 7 种模型在 NLP 和机器学习场景下的抽象到标题生成问题，并扩展到更难的生成幽默科学论文标题的问题。使用人类和自动度量衡方法评估了所有模型，发现最好的端到端系统与人类作者表现相似，而 ChatGPT 的表现不错。

    Dec, 2022

  • 基于 Transformer 的社交媒体对话线程中上下文感知的讽刺检测

    我们提出了一个基于 Transformer 模型的讽刺检测模型，可以有效考虑上下文，达到更加准确的预测，其在 Twitter 和 Reddit 的数据集上表现出了 3.1% 和 7.0% 的提升，F1 分别达到了 79.0% 和 75.0%，成为了该共享任务 36 个参与者中表现最好的系统之一。

    May, 2020

  • Plumeria 参加 SemEval-2022 任务 6：使用变形金刚和数据增强的鲁棒性挖掘英文和阿拉伯文的讽刺语言

    本文介绍了我们对 SemEval-2022 任务 6：针对英语和阿拉伯语的讽刺检测及其五个子任务的参赛作品。我们使用基于 transformers 的深度学习技术来检测讽刺，数据集来自推特，数据预处理对于任务至关重要，我们的排名在四个子任务中保持稳定，这说明我们使用的模型和技术具有鲁棒性和稳定性。

    Mar, 2022

  • 利用心理语言学特征和 Transformer 提升基于文本的情感检测的泛化能力

    本文采用基于转换器模型和双向 LSTM 网络的方法，结合心理语言学特征进行基于文本的情感检测，在两个基准数据集中表现出可比性，在六个统一情感数据集的迁移学习实验中表现出强大的跨领域泛化功能。

    Dec, 2022

  • 逆向工程讽刺，或 “计算幽默论文” 尽管取得重大进展仍被接受

    本文深入探讨了讽刺新闻标题的语法和语义结构，找到了制造幽默的关键词和概念，为构建制造幽默的系统提供了新的见解。

    Jan, 2019

  • 自动识别古怪的科学成就：这怎么获得了资金？！

    本研究提出了一个基于机器学习的新型幽默挖掘方法，通过结合心理学、语言学与自然语言处理的最新进展，利用一万余篇滑稽论文构建数据集，成功实现自动检测幽默科学论文的任务，并有望在科学研究中发挥重要作用。

    Jun, 2021