論文の概要: "Laughing at you or with you": The Role of Sarcasm in Shaping the Disagreement Space

• arxiv url: http://arxiv.org/abs/2101.10952v1
• Date: Tue, 26 Jan 2021 17:19:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-14 07:08:34.594455
• Title: "Laughing at you or with you": The Role of Sarcasm in Shaping the Disagreement Space
• Title（参考訳）: 「あなたやあなたと一緒に笑う」:不合理空間形成におけるサーカスムの役割
• Authors: Debanjan Ghosh, Ritvik Shrivastava, and Smaranda Muresan
• Abstract要約: 我々は、議論的な動き(学位/不一致)とsarcasmの両方で注釈付きコーパスを提示します。 a) 議論的関係分類のタスクにsarcasmを検出するのに有用な離散的特徴を適用するという点で共同モデリングを利用する。 モデルサルカズムは,すべての設定において議論的関係分類タスク(agree/disagree/none)を改善することを実証する。
• 参考スコア（独自算出の注目度）: 10.73235256149378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting arguments in online interactions is useful to understand how conflicts arise and get resolved. Users often use figurative language, such as sarcasm, either as persuasive devices or to attack the opponent by an ad hominem argument. To further our understanding of the role of sarcasm in shaping the disagreement space, we present a thorough experimental setup using a corpus annotated with both argumentative moves (agree/disagree) and sarcasm. We exploit joint modeling in terms of (a) applying discrete features that are useful in detecting sarcasm to the task of argumentative relation classification (agree/disagree/none), and (b) multitask learning for argumentative relation classification and sarcasm detection using deep learning architectures (e.g., dual Long Short-Term Memory (LSTM) with hierarchical attention and Transformer-based architectures). We demonstrate that modeling sarcasm improves the argumentative relation classification task (agree/disagree/none) in all setups.
• Abstract（参考訳）: オンラインインタラクションにおける議論の検出は、コンフリクトの発生と解決方法を理解する上で有用である。 ユーザーはしばしば、説得力のあるデバイスとして、またはアドホミネム引数で相手を攻撃するために、sarcasmなどの具象言語を使用します。 さらに,不一致空間の形成におけるサーカズムの役割をより深く理解するために,議論的な動き(語源/語源)とサルカズムの両方に注釈を付したコーパスを用いて,徹底的な実験を行う。 a) 議論関係分類(agree/disagree/none)のタスクにsarcasmを検出するのに有用な離散的特徴を適用すること、(b) ディープラーニングアーキテクチャ(例えば、階層的注意とTransformerベースのアーキテクチャを備えたデュアルLong Short-Term Memory(LSTM)を使用して、議論関係分類およびsarcasm検出のためのマルチタスク学習。 モデルサルカズムは,すべての設定において議論的関係分類タスク(agree/disagree/none)を改善することを実証する。

関連論文リスト

• Sentiment-enhanced Graph-based Sarcasm Explanation in Dialogue [67.09698638709065]
  本稿では,SEntiment-enhanceD Graph を用いたマルチモーダルサルカズム記述フレームワーク EDGE を提案する。 特に,まずレキシコン誘導型発話感情推論モジュールを提案し,そこでは発話感情改善戦略を考案する。 次に,マルチモーダル感情分析モデル JCA を拡張し,映像音声クリップ毎に共同感情ラベルを導出することにより,JCA-SI (Joint Cross Attention-based Sentiment Inference) というモジュールを開発する。
  論文  参考訳（メタデータ） (2024-02-06T03:14:46Z)
• DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
  プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。 そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
  論文  参考訳（メタデータ） (2023-06-15T10:41:23Z)
• Researchers eye-view of sarcasm detection in social media textual content [0.0]
  ソーシャルメディアにおけるあらゆる形態のコミュニケーションにおける皮肉文の使用は、ターゲットユーザに対する生理的効果をもたらす。 本稿では,様々なサルカズム検出手法について論じ,いくつかのアプローチ,および最適な特徴を持つ関連するデータセットを結論づける。
  論文  参考訳（メタデータ） (2023-04-17T19:45:10Z)
• Sarcasm Detection Framework Using Emotion and Sentiment Features [62.997667081978825]
  本研究では,感情と感情の特徴を取り入れたモデルを提案する。 我々のアプローチは、ソーシャルネットワークプラットフォームとオンラインメディアの4つのデータセットに対して、最先端の結果を得た。
  論文  参考訳（メタデータ） (2022-11-23T15:14:44Z)
• How to Describe Images in a More Funny Way? Towards a Modular Approach to Cross-Modal Sarcasm Generation [62.89586083449108]
  本稿では,CMSG(Cross-modal sarcasm Generation)の新たな問題,すなわち,与えられた画像に対してサーカシックな記述を生成することについて検討する。 CMSGは、異なるモード間の相関だけでなく、サルカズムの特性をモデルが満たさなければならないため、困難である。 クロスモデルサルカズム生成のための抽出・生成・生成に基づくモジュール法(EGRM)を提案する。
  論文  参考訳（メタデータ） (2022-11-20T14:38:24Z)
• Towards Multi-Modal Sarcasm Detection via Hierarchical Congruity Modeling with Knowledge Enhancement [31.97249246223621]
  サルカスム(Sarcasm)は、文字通りの意味と暗示意図の相違を示す言語現象である。 既存の技術のほとんどは、テキスト入力と付随する画像の間の原子レベルの不整合をモデル化しただけだった。 本稿では,マルチヘッドのクロスアテンション機構に基づく原子レベルの合同性と,グラフニューラルネットワークに基づく合成レベルの合同性の両方を探索し,サルカズム検出のための新しい階層的枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-07T12:44:33Z)
• Computational Sarcasm Analysis on Social Media: A Systematic Review [0.23488056916440855]
  サルカズムは、人を侮辱したり、いらいらさせたり、楽しませたりするために、本当に表現したいことの反対を言ったり、書いたりするものとして定義することができる。 テキストデータにおけるサルカズムの曖昧な性質から,その検出は困難であり,感情分析研究コミュニティに大きな関心を寄せている。
  論文  参考訳（メタデータ） (2022-09-13T17:20:19Z)
• elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
  本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。 このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。 elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-17T16:23:45Z)
• Bi-ISCA: Bidirectional Inter-Sentence Contextual Attention Mechanism for Detecting Sarcasm in User Generated Noisy Short Text [8.36639545285691]
  本稿では,双方向コンテキストアテンション機構(Bi-ISCA)を用いた最先端ディープラーニングアーキテクチャを提案する。 Bi-ISCAは、会話コンテキストのみを使用して、ユーザ生成した短いテキストの皮肉を検出するための文間依存関係をキャプチャする。 提案した深層学習モデルは,暗黙的,暗黙的,文脈的に不連続な単語や句を抽出し,サルカズムを誘発する能力を示す。
  論文  参考訳（メタデータ） (2020-11-23T15:24:27Z)
• Sarcasm Detection using Context Separators in Online Discourse [3.655021726150369]
  サルカズム(Sarcasm)は、意味が暗黙的に伝えられる複雑な形態の言語である。 本研究では,RoBERTa_largeを用いて2つのデータセットの皮肉を検出する。 また,文脈単語埋め込みモデルの性能向上における文脈の重要性を主張する。
  論文  参考訳（メタデータ） (2020-06-01T10:52:35Z)
• $R^3$: Reverse, Retrieve, and Rank for Sarcasm Generation with Commonsense Knowledge [51.70688120849654]
  非皮肉な入力文に基づくサルカズム生成のための教師なしアプローチを提案する。 本手法では,サルカズムの2つの主要な特徴をインスタンス化するために,検索・編集の枠組みを用いる。
  論文  参考訳（メタデータ） (2020-04-28T02:30:09Z)

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。