論文の概要: Perceived and Intended Sarcasm Detection with Graph Attention Networks
- arxiv url: http://arxiv.org/abs/2110.04001v1
- Date: Fri, 8 Oct 2021 09:52:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 21:20:52.829908
- Title: Perceived and Intended Sarcasm Detection with Graph Attention Networks
- Title（参考訳）: グラフアテンションネットワークを用いた知覚・侵入サルカズム検出
- Authors: Joan Plepi and Lucie Flek
- Abstract要約: 社会的研究は、著者と聴衆の関係が、皮肉な用法と解釈に等しく関係していることを示唆している。
本研究では,(1)過去のツイートからのユーザコンテキストと(2)対話グラフにおけるユーザの会話近隣からのソーシャル情報とを併用したフレームワークを提案する。
会話スレッドでは,ユーザとツイートにグラフアテンションネットワーク(GAT)を,ユーザ履歴の密度の高い表現と組み合わせて使用する。
- 参考スコア（独自算出の注目度）: 7.6146285961466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing sarcasm detection systems focus on exploiting linguistic markers,
context, or user-level priors. However, social studies suggest that the
relationship between the author and the audience can be equally relevant for
the sarcasm usage and interpretation. In this work, we propose a framework
jointly leveraging (1) a user context from their historical tweets together
with (2) the social information from a user's conversational neighborhood in an
interaction graph, to contextualize the interpretation of the post. We use
graph attention networks (GAT) over users and tweets in a conversation thread,
combined with dense user history representations. Apart from achieving
state-of-the-art results on the recently published dataset of 19k Twitter users
with 30K labeled tweets, adding 10M unlabeled tweets as context, our results
indicate that the model contributes to interpreting the sarcastic intentions of
an author more than to predicting the sarcasm perception by others.
- Abstract（参考訳）: 既存のサーカズム検出システムは、言語マーカー、コンテキスト、あるいはユーザレベルの優先事項の活用に重点を置いている。
しかし、社会的研究は著者と聴衆の関係が皮肉の使用と解釈に等しく関連していることを示唆している。
本研究では,(1)過去のツイートからのユーザコンテキストと(2)対話グラフにおけるユーザの会話型近所からのソーシャル情報とを併用して,記事の解釈をコンテキスト化する枠組みを提案する。
会話スレッドでは,ユーザとツイートにグラフアテンションネットワーク(GAT)を,ユーザ履歴の密度の高い表現と組み合わせて使用する。
最近公表された19万のTwitterユーザーと30万のラベル付きツイートのデータセットに1000万のラベル付きつぶやきを文脈として加えた結果に加えて、我々の結果は、このモデルが他人の皮肉的認識よりも、著者の皮肉的な意図を解釈することに寄与していることを示している。
関連論文リスト
- Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Sarcasm Detection in a Disaster Context [103.93691731605163]
HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。
私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
論文 参考訳（メタデータ） (2023-08-16T05:58:12Z) - CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a
Context Synergized Hyperbolic Network [52.85130555886915]
CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。
我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
論文 参考訳（メタデータ） (2023-03-02T17:30:43Z) - DoubleH: Twitter User Stance Detection via Bipartite Graph Neural
Networks [9.350629400940493]
2020年の米国大統領選挙の大規模なデータセットをクロールし、手動でタグ付けされたハッシュタグによって、すべてのユーザーを自動的にラベル付けします。
本稿では,二部グラフニューラルネットワークモデルであるDoubleHを提案する。
論文 参考訳（メタデータ） (2023-01-20T19:20:10Z) - 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) - Learning Stance Embeddings from Signed Social Graphs [7.202476284052426]
ソーシャルネットワーク分析における重要な課題は、大量のトピックについて、グラフ内の人々の位置や姿勢を理解することである。
本研究では,サイン付きソーシャルグラフにおける各ユーザとトピックの埋め込みを共同で学習するStance Embeddings Modelを提案する。
SEMはコールドスタートトピックのスタンス検出を行うことができ、ユーザのエンゲージメントを観察していないトピックに対するスタンスを予測できる。
論文 参考訳（メタデータ） (2022-01-27T17:22:49Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - The emojification of sentiment on social media: Collection and analysis
of a longitudinal Twitter sentiment dataset [5.528896840956628]
TM-Sentiは、Twitterの感情データセットを大規模に管理し、ツイート数は1億1400万を超えている。
我々は,大規模なエモティコンと絵文字に基づくラベル付き感情分析データセットを組み立てるための方法論を記述し,評価する。
私たちの分析では絵文字のエモティコンへの利用の増加など、興味深い時間的変化が強調されている。
論文 参考訳（メタデータ） (2021-08-31T14:54:46Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - 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)
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。