sarcasm detection | BriefGPT

关键词sarcasm detection

搜索结果 - 46

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
PDF2 months ago
KoCoSa：韩语上下文感知讽刺检测数据集
该研究介绍了一个新的数据集，KoCoSa，用于韩语对话中的讽刺检测任务，并提供了用于该任务的基线系统。实验证明，基线系统在韩语讽刺检测任务中优于 GPT-3.5 等大型语言模型。
PDF4 months ago
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。
PDF9 months ago
BNS-Net：一种同时考虑行为级和句子级冲突的双通道讽刺检测方法
在这篇文章中，我们提出了一种名为 BNS-Net 的双通道讽刺检测模型，该模型通过考虑行为和句子冲突来有效地识别文本中的讽刺，进而取得了最先进的性能。
PDF10 months ago
使用大型语言模型生成真实的合成数据：计算社会科学案例研究
该研究论文介绍了采用基于 grounding、过滤和分类系统的生成方法来提高合成数据的准确性，并在讽刺检测任务中对比研究了三种方法以提高准确性，评估证明 Grounding 方法更为有效，该研究提供了合成数据高保真性的一些建议。
PDFa year ago
社交媒体文本中讽刺检测的研究视角
在社交媒体上大量使用讽刺文本会对目标用户产生生理影响，讽刺检测对于用户来说很困难，更对于机器来说是具有挑战性的。此论文讨论了各种讽刺检测技术及其相关数据集等，并总结了一些方法、挑战和未来的方向。
PDFa year ago
基于极性的半图 Sarcasm 检测
本文介绍了一种新颖的语义图 (semigraph) 方法，通过计算极性分数 (polarity scores) 实现对讽刺语气的检测，在亚马逊产品评论数据上的表现达到了准确度 0.87、召回率 0.79 和 F1 值 0.83。
PDFa year ago
使用 BERT 和可解释 AI 进行可解释的孟加拉挖苦检测
本文提出了一个基于 BERT 的系统，可以在 Bangla sarcasm dataset 上实现 99.60％的检测准确率，在 NLP 和机器学习领域中实现了与传统算法 89.93％的比较。还引入了 Local Interpretable
PDFa year ago
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
PDFa year ago
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 De
PDF2 years ago
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。
PDF2 years ago
EMNLP多模态讽刺检测：基于分层一致性建模与知识增强的研究
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。
PDF2 years ago
BanglaSarc: 一个用于讽刺检测的数据集
本研究提出了专门用于孟加拉文文本数据的 Sarcasm 数据集（BanglaSarc），该数据集包含来自各种在线社交平台的 5112 个评论 / 状态和内容，将有助于研究识别讽刺和检测孟加拉语表达式等领域。
PDF2 years ago
用于讽刺检测的新闻标题数据集
本文介绍了使用 TheOnion 和 HuffPost 两个新闻网站的头条新闻构建的包含两万八千条标题的数据集，其中包含了 13K 个讽刺标题，以辅助对 Twitter 数据噪声问题进行的讽刺检测研究，并探讨了数据集的潜在用途。
PDF2 years ago
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
PDF2 years ago
情感识别讽刺言语的多模态语料库
本论文针对识别嘲讽表达中的情感这一未被探索的任务，使用了最近发布的多模态嘲讽检测数据集（MUStARD）进行研究，并修正了其中的错误标签，最终将数据集标记上情感、情感强度和具体嘲讽类型，并提出多模态融合模型，用于嘲讽情感识别，表现优于现有的
PDF2 years ago
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
PDF2 years ago
ACLUTNLP 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。
PDF2 years ago
ACLPlumeria 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
PDF2 years ago
Twitter 上自动讽刺检测的调查
本研究探讨了自动检测讽刺的多种方法，包括通过上下文、发布历史和机器学习模型识别，特别是深度学习方法对于使用具有诱导而不是离散特征的模型以及 transformers 创新的好处具有可观的推动作用。
PDF2 years ago