幽默的普遍机制:语义重叠的再定义
通过研究幽默机制,将笑话分成两个部分:设定和妙语。由于底层模型的不断升级,我们能够将设置和妙语一起馈入 GPT-2 语言模型,并计算笑话的不确定性和惊喜度。实验结果表明,这两个特征具有更好的识别非笑话和笑话的能力。
Dec, 2020
本文探究了用于幽默识别的 transfer learning 方式 ——prompting 对于 NLP 系统的有效性,并通过应用 influence functions 观察了幽默与 offense 之间的关系。实验结果表明:在低资源的幽默识别任务中,prompting 具有出色的性能表现。
Oct, 2022
本研究探讨了抽象场景中触发笑点的内容和不同类型的视觉幽默,设计了计算模型,完成了两种任务:预测场景的趣味性和改变场景的趣味性,通过公开数据集和人类研究展示了模型在定量和定性上的表现良好。
Dec, 2015
研究表明,对话参与者会立即而无意识地适应对方的语言风格,并调整其下一次话语中的冠词数量等功能词,以应对其伴侣在前一话语中的功能词数量;本文使用虚构对话作为研究工具,发现大量电影剧本中存在诸多家族级功能词的协调,并发现了性别等因素的影响。
Jun, 2011
该研究提出了一种新的概念、公理模式和算法,使智能体能够学习描述其行为、目标、能力和环境,并通过观察学习新的行为描述,代之以感性的关系,这些关系被称为 Although 关系,并利用修辞结构理论,结果证明了该算法在采用实施软件的演示场景中是有效的。
Jun, 2022
通过对具有矛盾叙事的漫画展开研究,本文引入了 YesBut 评估基准,旨在评估人工智能在识别和解释具有幽默矛盾的漫画方面的能力。通过广泛的实验和分析,我们发现即使是最先进的模型在此任务上仍然落后于人类表现,为人工智能在理解人类创造性表达方面的当前限制和潜在改进提供了见解。
May, 2024
该研究基于不相容性理论,将笑话分成设定和反讽两个组成部分,使用密度矩阵来表示设定和反讽的语义不确定性,通过量子熵设计了 QE-Uncertainty 和 QE-Incongruity 作为幽默识别的特征,并在 SemEval2021 任务 7 数据集上实现了更加准确的幽默识别。
Feb, 2023
本评论对莫林的《表意文字之谜》提出,我们提出了一种新的认知解释,为莫林的标准化解释提供了补充,这种认知机制对解释为何语言主宰图形编码具有至关重要的意义,它们包括多感官一体化、感知意象分块以及注意力的序列性。
Apr, 2023