Fugu-MT 論文翻訳(概要): When a Computer Cracks a Joke: Automated Generation of Humorous Headlines

論文の概要: When a Computer Cracks a Joke: Automated Generation of Humorous Headlines

arxiv url: http://arxiv.org/abs/2109.08702v1
Date: Fri, 17 Sep 2021 18:08:37 GMT
ステータス: 処理完了
システム内更新日: 2021-09-24 02:40:31.313668
Title: When a Computer Cracks a Joke: Automated Generation of Humorous Headlines
Title（参考訳）: コンピュータが冗談を言うとき:ユーモラスな見出しの自動生成
Authors: Khalid Alnajjar and Mika H\"am\"al\"ainen
Abstract要約: 既存の見出しのユーモラスなバージョンを生成することができる見出し生成に対して,計算的に創造的なアプローチを提案する。このシステムが生み出した見出しは、人間の評価者によって36%の時間で面白いものと見なされている。
参考スコア（独自算出の注目度）: 0.685316573653194
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automated news generation has become a major interest for new agencies in the past. Oftentimes headlines for such automatically generated news articles are unimaginative as they have been generated with ready-made templates. We present a computationally creative approach for headline generation that can generate humorous versions of existing headlines. We evaluate our system with human judges and compare the results to human authored humorous titles. The headlines produced by the system are considered funny 36\% of the time by human evaluators.
Abstract（参考訳）: ニュースの自動生成は、過去に新しい機関にとって大きな関心事となっている。このような自動生成されたニュース記事の見出しは、しばしば準備済みのテンプレートで生成されたため想像に難くない。我々は,既存の見出しのユーモラスなバージョンを生成できるヘッドライン生成のための,計算的に創造的な手法を提案する。本システムと人間の判断結果を比較し,人間によるユーモアのタイトルと比較した。このシステムが生み出した見出しは、人間の評価者による36%のおかしな時間と見なされている。

関連論文リスト

Automated Journalism [0.0]
自動ジャーナリズム(英: Automated journalism)とは、ニュースコンテンツの収集、生産、配信を自動化する過程のこと。アーリーアダプターは、クリーンで構造化されたデータに基づいた定期的なニュースを生成するための自動化ジャーナリズムの有用性を賞賛している。自動ジャーナリズムの研究は、ニュース作成と配信にアルゴリズムを使用することの危険性を警告している。
論文参考訳（メタデータ） (2024-09-05T12:19:03Z)
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)
Adapting Fake News Detection to the Era of Large Language Models [48.5847914481222]
我々は,機械による(言い換えられた)リアルニュース,機械生成のフェイクニュース,人書きのフェイクニュース,人書きのリアルニュースの相互作用について検討する。我々の実験では、人書き記事のみに特化して訓練された検知器が、機械が生成したフェイクニュースを検出できる興味深いパターンを明らかにしましたが、その逆ではありません。
論文参考訳（メタデータ） (2023-11-02T08:39:45Z)
Witscript: A System for Generating Improvised Jokes in a Conversation [0.0]
Witscriptは、オリジナルの、文脈的に関係のあるジョークを即興で再現できる新しいジョーク生成システムである。人間の評価者は、入力文に対するWitscriptの反応が40%以上のジョークであると判断した。
論文参考訳（メタデータ） (2023-02-03T21:30:34Z)
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)
Youling: an AI-Assisted Lyrics Creation System [72.00418962906083]
本稿では,AIによる歌詞作成システムである textitYouling について紹介する。歌詞生成プロセスでは、textitYoulingは従来の1パスのフルテキスト生成モードとインタラクティブな生成モードをサポートする。システムは、ユーザーが望まない文や歌詞の言葉を繰り返し修正できるリビジョンモジュールも提供する。
論文参考訳（メタデータ） (2022-01-18T03:57:04Z)
Modeling "Newsworthiness" for Lead-Generation Across Corpora [85.92467549469147]
自動ラベル付きコーパスでモデルをトレーニングして,各記事がフロントページであるかどうかを予測した。ラベルのないコーポラの文書に「新しさ」をランク付けする微調整されたRoBERTaモデルは、ホールトアウトラベル付き文書で.93AUC、エキスパート検証未ラベルコーパスで.88AUCを達成する。
論文参考訳（メタデータ） (2021-04-19T21:48:15Z)
Dutch Humor Detection by Generating Negative Examples [5.888646114353371]
覚醒検出は通常二分分類タスクとしてモデル化され、与えられたテキストがジョークか他のタイプのテキストかを予測するように訓練される。本稿では,本来のジョークデータセットを模倣するテキスト生成アルゴリズムを提案し,学習アルゴリズムの難易度を高める。古典的ニューラルネットワークアプローチのユーモア検出能力と,最先端のオランダ語モデルであるRobBERTとの比較を行った。
論文参考訳（メタデータ） (2020-10-26T15:15:10Z)
Viable Threat on News Reading: Generating Biased News Using Natural Language Models [49.90665530780664]
公開されている言語モデルは、入力されたオリジナルニュースに基づいてバイアスのあるニュースコンテンツを確実に生成できることを示す。また、制御可能なテキスト生成を用いて、多数の高品質な偏りのあるニュース記事を生成することができることを示す。
論文参考訳（メタデータ） (2020-10-05T16:55:39Z)
"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)
Hooks in the Headline: Learning to Generate Headlines with Controlled Styles [69.30101340243375]
我々は,見出しを3つのスタイルで強化する新しいタスク,Styllistic Headline Generation (SHG)を提案する。 TitleStylistは、要約と再構築タスクをマルチタスクフレームワークに組み合わせることで、スタイル固有の見出しを生成する。我々のモデルが生成したアトラクションスコアは、最先端の要約モデルの9.68%を超え、人間による参照よりも優れています。
論文参考訳（メタデータ） (2020-04-04T17:24:47Z)

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。