EMNLPOct, 2022

多模态讽刺检测：基于分层一致性建模与知识增强的研究

PDF
TL;DR本文提出了一种基于层次结构的检测方法，通过多头交叉注意力机制和图神经网络同时探索文本和图像之间的原子级一致性和组成级一致性，利用丰富的外部知识资源进行讽刺检测，评估结果表明该模型优于现有的技术。
发现论文，激发创造
  • 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

  • 多模态讽刺检测（一篇_显然_完美的论文）

    本文提出了一个基于多模态线索的新的讽刺数据集 (MUStARD)，并且证明了将多模态信息应用于讽刺检测可以将相对误差率降低高达 12.9%。

    Jun, 2019

  • 混合语言对话中的多模态讽刺检测和幽默分类

    本研究开发了一个多模态的印地语 - 英语混合数据集用于会话中的多模态讽刺检测和幽默分类，并提出了一种新的基于注意力机制的神经架构 MSH-COMICS，该模型在两个任务中都具有优越性能。

    May, 2021

  • CofiPara：一种用于大规模多模态模型的粗糙 - 精细范式的多模态讽刺目标识别方法

    本文提出了一个多模态讽刺目标识别框架，采用从粗到细的方法，通过推理和预训练知识增强讽刺可解释性，在多模态讽刺中揭示复杂目标并减轻大型多模态模型潜在噪声的负面影响。实验结果表明，我们的模型在 MSTI 方法上表现出色，并在识别讽刺方面具有解释性。

    May, 2024

  • 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

  • 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

  • 好香的香水。你泡在里面泡了多久？多模态的讽刺解释

    该论文提出了一个新的问题：多模态讽刺解释（MuSE），旨在针对一个带有图像和标题的多模态讽刺贴文，生成自然语言解释以揭示意图的讽刺。通过使用一个跨模态注意力的 Transformer 编码器，并使用 BART 的自回归解码器作为生成器，该论文提供了一个 Multimodal 讽刺解释数据集，并以各种基线进行了实证结果评估。

    Dec, 2021

  • 基于量子概率的联合多模态讽刺、情感和情绪分析框架

    本文提出一种基于量子概率的多模态讽刺、情感和情绪分析框架（QUIET），通过在两个数据集上进行大量实验，证明了 QUIET 与现有技术相比的有效性和优越性，并展示了量子概率在多情感分析中的巨大潜力。

    Jun, 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

  • 谁能想到那个！”：一种用于提取讽刺流行主题和探测讽刺的分层主题模型

    本研究基于主题模型提出了一种简单的讽刺检测模型，能够预测带有讽刺情感的话题，并且能够发现具有情感的单词组合，通过在推特数据集上进行实验，我们的模型能比之前的基于统计分类器的研究提高 25% 的识别率。

    Nov, 2016