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

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

本文汇总了过去的研究成果，讨论了自动讽刺检测的数据集、方法、趋势和问题，并呈现了过去有关特征、注释技术和数据形式等不同方面的论文总结表格。关键技术包括半监督模式提取、基于标签的监督以及针对目标文本进行的上下文分析。

Feb, 2016

本研究提出了一个基于用户评价的新型多类乌尔都数据集，旨在为乌尔都情感分析构建手动注释的数据集，并建立基准结果。使用五种不同的词库和基于规则的算法，最终实验结果表明，Flair 的准确率为 70%，优于其他测试的算法。

Jul, 2022

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

本论文旨在探讨情感分类和讽刺检测两个 NLP 任务之间的相关性，并提出了一种基于多任务学习的深度神经网络框架来模拟这种相关性，以改善这两个任务的性能。在基准数据集中，我们的方法比现有技术的表现提高了 3-4%。

Jan, 2019

本研究提出了一种可解释的情感分类框架，通过在双向长短期记忆（BiLSTM）和卷积神经网络（CNN）-BiLSTM 模型上引入噪声层，克服了过拟合问题，实验证明添加噪声层可以提高阿拉伯语情感分析的性能。

Sep, 2023

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

本文详细阐述了情感分析的最新趋势和技术，通过系统综述了词汇、图形、网络、深度学习和规则等方法并比较分析数据集和评价指标，展现了情感分析的广泛应用领域，并旨在提高情感分析的效率和准确性。

May, 2023

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