論文の概要: Stimulating Creativity with FunLines: A Case Study of Humor Generation in Headlines

• arxiv url: http://arxiv.org/abs/2002.02031v1
• Date: Wed, 5 Feb 2020 22:56:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 20:53:29.789629
• Title: Stimulating Creativity with FunLines: A Case Study of Humor Generation in Headlines
• Title（参考訳）: FunLinesによる創造性刺激 : ヘッドラインにおける風力発生の事例研究
• Authors: Nabil Hossain, John Krumm, Tanvir Sajed and Henry Kautz
• Abstract要約: FunLinesは、プレイヤーがニュースの見出しを編集して面白いものにする競争ゲームだ。 FunLinesはユーモア生成プロセスを楽しく、インタラクティブで、コラボレーティブで、報奨と教育に役立てる。 過去のベンチマークより優れているユーモア分類モデルをトレーニングすることで,このデータの有効性を示す。
• 参考スコア（独自算出の注目度）: 9.367224590861913
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Building datasets of creative text, such as humor, is quite challenging. We introduce FunLines, a competitive game where players edit news headlines to make them funny, and where they rate the funniness of headlines edited by others. FunLines makes the humor generation process fun, interactive, collaborative, rewarding and educational, keeping players engaged and providing humor data at a very low cost compared to traditional crowdsourcing approaches. FunLines offers useful performance feedback, assisting players in getting better over time at generating and assessing humor, as our analysis shows. This helps to further increase the quality of the generated dataset. We show the effectiveness of this data by training humor classification models that outperform a previous benchmark, and we release this dataset to the public.
• Abstract（参考訳）: ユーモアのような創造的なテキストのデータセットを構築することは、非常に難しい。 FunLinesは、プレイヤーがニュースの見出しを編集して面白くし、他のプレイヤーが編集した見出しの面白さを評価する競争ゲームだ。 FunLinesはユーモア生成プロセスを面白く、インタラクティブで、コラボレーティブで、報奨と教育を提供し、プレイヤーのエンゲージメントを維持し、従来のクラウドソーシングのアプローチと比べて非常に低コストでユーモアデータを提供する。 FunLinesは有益なパフォーマンスフィードバックを提供し、ユーモアの生成と評価においてプレイヤーが時間とともに良くなるのを助ける。 これにより、生成されたデータセットの品質をさらに向上できる。 このデータの有効性を,以前のベンチマークを上回ったユーモア分類モデルのトレーニングによって示し,このデータセットを一般に公開する。

関連論文リスト

• Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
  本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。 我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。 また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2024-09-20T14:56:33Z)
• MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
  観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。 まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。 第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。 第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
  論文  参考訳（メタデータ） (2024-06-26T17:57:25Z)
• Humor Mechanics: Advancing Humor Generation with Multistep Reasoning [11.525355831490828]
  マルチステップ推論を用いたユーモア生成のための動作プロトタイプを開発した。 提案手法を,人間によるジョーク,ゼロショットGPT-4生成ユーモア,その他ベースラインと比較した。 以上の結果から,多段階推論手法は生成したユーモアの質を継続的に改善することが示された。
  論文  参考訳（メタデータ） (2024-05-12T13:00:14Z)
• Getting Serious about Humor: Crafting Humor Datasets with Unfunny Large Language Models [27.936545041302377]
  大規模言語モデル(LLM)は、テキストを編集することでユーモア検出のための合成データを生成することができる。 我々は、既存の人間のデータセット上でLLMをベンチマークし、現在のLLMは、ジョークを「不快に」する印象的な能力を示すことを示す。 我々は、GPT-4の合成データがバイリンガルアノテータによって高度に評価されているという、コード混成のイングリッシュ・ヒンディー語ユーモアデータセットにアプローチを拡張した。
  論文  参考訳（メタデータ） (2024-02-23T02:58:12Z)
• The Naughtyformer: A Transformer Understands Offensive Humor [63.05016513788047]
  Redditから抽出された新しいジョークデータセットを導入し、Naughtyformerと呼ばれる微調整されたトランスフォーマーを用いてサブタイプ分類タスクを解決する。 本モデルでは, ジョークの攻撃性の検出が, 最先端の手法と比較して有意に優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-25T20:37:58Z)
• ExPUNations: Augmenting Puns with Keywords and Explanations [88.58174386894913]
  我々は、キーワードの詳細なクラウドソースアノテーションで既存の句のデータセットを拡張する。 これは、パント専用の広範囲できめ細かなアノテーションを備えた最初のユーモアデータセットである。 句分類支援のための説明生成とキーワード条件付き句生成という2つのタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-24T18:12:02Z)
• Unsupervised Neural Stylistic Text Generation using Transfer learning and Adapters [66.17039929803933]
  応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。 我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
  論文  参考訳（メタデータ） (2022-10-07T00:09:22Z)
• Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results [84.37263300062597]
  風は人間の社会的行動、感情、認知の重要な要素である。 現在のユーモア検出法は、ステージ化されたデータのみに基づいており、「現実世界」の応用には不十分である。 約11時間の記録を含むPassau-Spontaneous Football Coach Humorデータセットを導入することで,この障害への対処に寄与する。
  論文  参考訳（メタデータ） (2022-09-28T17:36:47Z)
• "So You Think You're Funny?": Rating the Humour Quotient in Standup Comedy [24.402762942487367]
  そこで我々は,聴衆の笑い声を用いて,ユーモアに満ちたスコアでトレーニングデータをアノテートするための新しいスコアリング機構を考案した。 このユーモアスコアを5点スケール(0-4)で計算するために、各クリップにおける笑いの正規化期間(笑い時間で割った笑い時間)を用いる。 このデータセットを使用して、オーディオとその対応するテキストから、5ポイントのスケールで「楽しい」スコアを提供するモデルをトレーニングします。
  論文  参考訳（メタデータ） (2021-10-25T09:46:46Z)
• "Judge me by my size (noun), do you?'' YodaLib: A Demographic-Aware Humor Generation Framework [31.115389392654492]
  本研究では,マッド・リビアス・ストーリーの自動ユーモア生成フレームワークを提案する。 我々は、不完全文中の位置バイアス付き単語充填を予測するためにBERTプラットフォームを構築し、文章中の位置バイアス付きユーモアを分類するためにBERTを微調整する。 これらのコンポーネントを活用して,適切な単語や文を選択してランク付けする,完全自動化されたMad Libsスタイルのユーモア生成フレームワークであるYodaLibを開発した。
  論文  参考訳（メタデータ） (2020-05-31T18:11:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。