論文の概要: A Dual-Channel Framework for Sarcasm Recognition by Detecting Sentiment Conflict

• arxiv url: http://arxiv.org/abs/2109.03587v1
• Date: Wed, 8 Sep 2021 12:33:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 13:51:09.851459
• Title: A Dual-Channel Framework for Sarcasm Recognition by Detecting Sentiment Conflict
• Title（参考訳）: 感情衝突検出によるサーカズム認識のためのデュアルチャネルフレームワーク
• Authors: Yiyi Liu, Yequan Wang, Aixin Sun, Zheng Zhang, Jiafeng Guo, Xuying Meng
• Abstract要約: サルカスムはアンビバレンス(英語版)を採用しており、そこでは肯定的だが実際には否定的であり、その逆である。 皮肉な文章の本質は、リテラル感情が深い感情とは逆であることです。 本稿では,感情の対立を認識するために,リテラルと深い感情の両方をモデル化し,デュアルチャネル・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 41.08483236878307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sarcasm employs ambivalence, where one says something positive but actually means negative, and vice versa. Due to the sophisticated and obscure sentiment, sarcasm brings in great challenges to sentiment analysis. In this paper, we show up the essence of sarcastic text is that the literal sentiment (expressed by the surface form of the text) is opposite to the deep sentiment (expressed by the actual meaning of the text). To this end, we propose a Dual-Channel Framework by modeling both literal and deep sentiments to recognize the sentiment conflict. Specifically, the proposed framework is capable of detecting the sentiment conflict between the literal and deep meanings of the input text. Experiments on the political debates and the Twitter datasets show that our framework achieves the best performance on sarcasm recognition.
• Abstract（参考訳）: サルカスムはアンビバレンス(英語版)を採用しており、そこでは肯定的だが実際には否定的であり、その逆である。 洗練された不明瞭な感情のため、皮肉は感情分析に大きな挑戦をもたらす。 本稿では, 皮肉文の本質として, テキストの表層形式で表されるリテラル感情が, 深い感情(テキストの実際の意味で表される)とは逆であることを示す。 この目的のために,リテラルとディープ感情の両方をモデル化し,感情の衝突を認識するデュアルチャネルフレームワークを提案する。 具体的には、提案フレームワークは、入力テキストのリテラルと深い意味の間の感情衝突を検出することができる。 政治論争とtwitterデータセットに関する実験は、我々のフレームワークがサルカズム認識において最高のパフォーマンスを達成していることを示している。

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)
• 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)
• A Multimodal Corpus for Emotion Recognition in Sarcasm [29.620911976637196]
  皮肉な表現は、様々な根底にある感情を持つ。 我々は、343個の不正確な感情ラベル(690点中)を同定し、修正する。 発声は,4種類のサルカズムの1つ,プロポジション,エンベッドド,いいね!
  論文  参考訳（メタデータ） (2022-06-05T08:01:09Z)
• Sarcasm Detection: A Comparative Study [1.7725414095035827]
  サルカズム検出は、感情を含むテキスト中の発話を含む皮肉を識別するタスクである。 本稿では,自動サーカズム検出の文献における健全な作業のコンパイルとレビューを行う。
  論文  参考訳（メタデータ） (2021-07-05T21:20:29Z)
• 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)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。