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

ACLMar, 2021

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

Combining Context-Free and Contextualized Representations for Arabic Sarcasm Detection and Sentiment Identification

Amey Hengle, Atharva Kshirsagar, Shaily Desai, Manisha Marathe

TL;DR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。

Abstract

Since their inception, transformer-based language models have led to impressive performance gains across multiple natural language processing tasks. For Arabic, the current state-of-the-art results on most datasets are achieved by the →

arabic nlp sarcasm detection sentiment analysis transformer-based language models arabert

发现论文，激发创造

SemEval-2022 任务 6：面向英语和阿拉伯语的基于 Transformer 的言外之意侦测模型 CS-UM6P

本文介绍了应用基于深度学习的模型以及预训练的语言模型，在英语和阿拉伯语中进行讽刺检测任务。我们的系统已参与了所有子任务，并在阿拉伯语子任务 A 中取得最佳表现，在子任务 B 中排名第二，在子任务 C 中分别在阿拉伯语和英语数据集中排名第 7 和第 11。

Jun, 2022

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

BFCAI 在 SemEval-2022 任务 6 中的表现：用多层感知器检测阿拉伯文本中的讽刺

本文介绍了 iSarcasm 共享任务中提交的系统。我们参加了针对阿拉伯语的 iSarcasm。我们提交了一个基于多层机器学习的模型，用作阿拉伯语讽刺检测。该模型使用向量空间 TF-IDF 表示特征，系统简单，不需要任何外部资源。测试结果表现令人鼓舞。

May, 2022

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

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

表情符号排除对阿拉伯讽刺检测模型性能的影响

本论文研究了阿拉伯语言中讽刺言论检测的复杂挑战，着重探究了使用和不使用表情符号对阿拉伯语言的社交媒体内容中讽刺言论检测模型性能的影响，通过优化 AraBERT 预训练模型，验证了排除表情符号能够显著提高讽刺言论检测的准确性，为阿拉伯语自然语言处理领域提供了新的基准和有价值的见解。

May, 2024

X-PuDu 在 SemEval-2022 任务 6 中的应用：英语和阿拉伯语讽刺检测的多语言学习

该论文描述了 X-PuDu 系统，该系统参与了 SemEval-2022 任务 6（英语和阿拉伯语中的预期讽刺检测），旨在检测各种自然语言理解环境中的预期讽刺。我们的解决方案在多语言环境下微调了预训练的语言模型，如 ERNIE-M 和 DeBERTa，以识别阿拉伯语和英语文本中的讽刺。我们的系统在本次比赛中名列第二，第九（英语和阿拉伯语中的单句检测），排名第五（英语中的二元多标签分类），第一和第五（英语和阿拉伯语中的句对检测）。

Nov, 2022

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

基于方言和讽刺的情感分析的新方法: SAIDS

本研究提出了一个名为 SAIDS 的新系统，通过使用语言模型 MARBERT 和构建多个模型来预测阿拉伯语推文的情感，讽刺和方言，从而解决了情感分析中的讽刺文本情感预测之难题。该系统在 ArSarcasm-v2 数据集上的表现超越了现有模型，并能用于改善其他任务的性能。

Jan, 2023

UTNLP 参加 SemEval-2022 任务 6：基于生成式和变异式数据增强的讽刺检测比较分析

本文介绍了 UTNLP 团队在 SemEval-2022 共享任务 6 中进行讽刺性评论检测的方法和结果，对比了不同模型和数据增强方法的效果，最后使用 RoBERTa 和数据突变增强的方法取得了最佳结果。

Apr, 2022