讽刺检测
文章平均质量分 94
伪_装
The data determines the upper limit of accuracy and the model determines the lower limit of accuracy.
数据决定精度上限,模型决定精度下限。
展开
-
Sarcasm detection论文解析 |基于混合自动编码器的模型对社交媒体平台进行讽刺检
早先已经提出了各种单独的自然语言处理技术,但每种技术都有文本上下文和邻近性的限制。它们无法处理不同的内容类型。在本研究论文中,我们使用自动编码器提出了一种基于句子嵌入的新型混合技术。该框架建议使用来自长短期记忆自动编码器、双向编码器表示变换器和通用句子编码器的句子嵌入。此外,还考虑了图像上的文本,以处理图像和视频等多媒体内容。在对各种混合融合模型进行消融研究后,设计出了最终框架。原创 2024-05-10 20:00:00 · 823 阅读 · 0 评论 -
Sarcasm detection论文解析 |基于语义知识和辅助信息增强讽刺检测方法
由于中文自身的特点,中文中的讽刺语言检测更加困难。为了缓解中文讽刺检测的这一困境,我们提出了一种语义和辅助增强注意力神经模型--SAAG。在词的层面,我们引入语义知识来增强中文词的表征学习。词素是词义的最小单位,是对词的精细刻画。在句子层面,我们利用一些辅助信息(如新闻标题)来学习讽刺表达的语境和背景表示。然后,我们逐步、动态地构建文本表达的表征。原创 2024-05-09 20:49:04 · 908 阅读 · 0 评论 -
Sarcasm detection论文解析 |使用 BERT 进行中间任务迁移学习的刺检测
在本文中,我们调查了当前的最新技术,并提出了基于 BERT 预训练语言模型的讽刺检测的强大基线。我们通过在目标任务上微调之前对相关中间任务进行微调来进一步改进我们的 BERT 模型。具体来说,依靠讽刺与(隐含的负面)情绪和情感之间的相关性,我们探索了一种迁移学习(**Transfer Learning**)框架,该框架使用情感分类和情感检测作为单独的中间任务,将知识注入讽刺检测的目标任务中。原创 2024-05-08 14:22:56 · 826 阅读 · 0 评论 -
Sarcasm detection论文解析 |CAT-BiGRU
SDS 是讽刺的一种特殊类别,主要用作产品宣传和营销的有效工具。在本文中,我们提出了一种用于 SDS 检测的新型 CAT-BiGRU 模型。所提出的模型由输入、嵌入、卷积、BiGRU 和两个注意力层组成,并从不同角度对七个数据集进行评估。 CAT-BiGRU 的实验结果很有希望,并且与各种基于神经网络的基线和最先进的方法相比明显更好。这种新型 SDS 检测技术的主要目的之一是增强基于 SDS 的营销策略。原创 2024-05-07 14:18:09 · 888 阅读 · 0 评论 -
Sarcasm detection论文解析 |基于情感背景和个人表达习惯的有效讽刺检测方法
现有的讽刺检测方法主要集中于使用各种自然语言处理技术来分析讽刺的文本内容。本文认为,检测讽刺的本质问题是联系其上下文,包括回复目标文本的文本情绪和用户的表达习惯。提出了一种双通道卷积神经网络,不仅可以分析目标文本的语义,还可以分析其情感背景。此外,SenticNet还用于为长短期记忆(LSTM)模型添加常识。然后应用注意力机制来考虑用户的表达习惯。原创 2024-05-06 19:20:36 · 936 阅读 · 0 评论 -
Sarcasm detection论文解析 |# 利用情感语义增强型多层次记忆网络进行讽刺检测
讽刺检测是情感分析中一项具有挑战性的自然语言处理任务。现有的基于深度学习的讽刺检测模型没有充分考虑情感语义,但是情感语义对于提高讽刺检测的性能是必要的。为了解决这个问题,我们提出了一种利用情感语义捕捉讽刺表达特征的多层次记忆网络。在我们的模型中,我们使用第一级记忆网络来捕捉情感语义,并使用第二级记忆网络来捕捉情感语义与每个句子中的情况之间的对比。此外,我们还使用了改进的卷积神经网络,以在缺乏本地信息的情况下改进记忆网络。原创 2024-05-05 20:30:00 · 927 阅读 · 0 评论 -
Sarcasm detection论文解析 |使用基于多头注意力的双向 LSTM 进行讽刺检测
我们提取了最重要的特征,并建立了一个特征丰富的 SVM,其性能优于这些模型。在本文中,我们引入了基于多头注意力的双向长短记忆(MHA-BiLSTM)网络来检测给定语料库中的讽刺性评论。实验结果表明,多头注意力机制提高了 BiLSTM 的性能,其表现优于特征丰富的 SVM 模型。原创 2024-05-04 22:12:29 · 1039 阅读 · 0 评论 -
Sarcasm detection论文解析 |A2Text-Net:一种用于讽刺检测的新型深度神经网络
在这项研究中,我们采用了一种新的深度神经网络: A2Text-Net 来模仿面对面的语音,它整合了标点符号、语篇(POS)、数字、表情符号等辅助变量,以提高分类性能。实验结果证明,与传统的机器学习和深度学习算法相比,我们的 A2Text-Net 方法提高了分类性能。原创 2024-05-03 23:46:52 · 764 阅读 · 0 评论 -
Sarcasm detection论文解析 |利用分层融合模型在 twitter 中进行多模态讽刺检测
在本文中,我们将重点关注 Twitter 中由文本和图像组成的推文的多模态讽刺检测。我们将文本特征、图像特征和图像属性视为三种模态,并提出了一种多模态分层融合模型来完成这项任务。我们的模型首先提取图像特征和属性特征,然后利用属性特征和双向 LSTM 网络提取文本特征。然后重建三种模式的特征,并将其融合为一个特征向量用于预测。原创 2024-05-03 11:50:40 · 956 阅读 · 0 评论 -
Sarcasm detection论文解析 |利用对话语境进行讽刺分析
我们研究了几种类型的长短时记忆(LSTM)网络,它们可以对对话上下文和当前回合进行建模。我们的研究表明,在句子层面关注上下文和当前转折的 LSTM 网络以及条件 LSTM 网络优于只读取当前转折的 LSTM 模型。我们对 LSTM 模型产生的注意力权重进行了定性分析,并将结果与人类在这两个任务中的表现进行了比较。原创 2024-05-01 21:49:57 · 803 阅读 · 0 评论 -
Sarcasm detection论文解析 |用于微博讽刺检测的上下文增强卷积神经网络
在卷积神经网络的基础上,我们为这项任务提出了两种不同的语境增强神经网络模型。与之前的研究相比,我们的神经网络模型将推文内容本身的特征和上下文特征以单词向量的形式整合到了一个模型中。实验结果表明,与最先进的离散模型和基于上下文的模型相比,我们提出的上下文增强神经网络模型具有更好的性能,证明了上下文增强神经网络模型在这项任务中的有效性。原创 2024-04-30 23:23:05 · 1190 阅读 · 1 评论 -
Sarcasm detection论文解析 | CASCADE:在线论坛中的语境讽刺检测
在本文中,作者提出了一种语境讽刺检测器(简称 CASCADE),它采用了内容和语境驱动建模的混合方法,用于在线社交媒体讨论中的讽刺检测。原创 2024-04-29 22:45:28 · 1024 阅读 · 0 评论 -
Sarcasm detection论文解析 | 通过阅读进行讽刺推理-Reasoning with sarcasm by reading in-between
我们提出了一种基于注意力的神经模型,该模型关注的是 "中间 "而不是 "对面",从而能够明确地对对比和不协调进行建模。我们在 Twitter、Reddit 和互联网论证语料库(Internet Argument Corpus)的六个基准数据集上进行了广泛的实验。我们提出的模型不仅在所有数据集上都达到了最先进的性能,而且还提高了可解释性。原创 2024-04-28 22:04:02 · 560 阅读 · 0 评论