論文の概要: AmbiPun: Generating Humorous Puns with Ambiguous Context
- arxiv url: http://arxiv.org/abs/2205.01825v1
- Date: Wed, 4 May 2022 00:24:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-06 03:43:29.787935
- Title: AmbiPun: Generating Humorous Puns with Ambiguous Context
- Title（参考訳）: AmbiPun: あいまいな文脈でHummorous Punsを生成する
- Authors: Anirudh Mittal, Yufei Tian, Nanyun Peng
- Abstract要約: 我々のモデルはまず、逆辞書を通して関連する概念のリストを作成する。
次に、ワンショットGPT3を用いて文脈語を生成し、両方の概念から文脈語を組み込んだ句を生成する。
人間の評価から,本手法は52%の時間でパントを発生させることができた。
- 参考スコア（独自算出の注目度）: 31.81213062995652
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a simple yet effective way to generate pun
sentences that does not require any training on existing puns. Our approach is
inspired by humor theories that ambiguity comes from the context rather than
the pun word itself. Given a pair of definitions of a pun word, our model first
produces a list of related concepts through a reverse dictionary. We then
utilize one-shot GPT3 to generate context words and then generate puns
incorporating context words from both concepts. Human evaluation shows that our
method successfully generates pun 52\% of the time, outperforming well-crafted
baselines and the state-of-the-art models by a large margin.
- Abstract（参考訳）: 本稿では,既存の句の訓練を必要としない,単純かつ効果的な句文生成手法を提案する。
我々のアプローチは、あいまいさは句語そのものではなく文脈に由来するというユーモア理論にインスパイアされている。
句語の1対の定義を与えられたモデルでは、まず逆辞書を用いて関連する概念のリストを生成する。
次に、ワンショットGPT3を用いて文脈語を生成し、両方の概念から文脈語を組み込んだ句を生成する。
人的評価の結果,提案手法は52 %の時間を効率よく生成し,良質なベースラインと最先端のモデルよりも大きなマージンを達成できた。
関連論文リスト
- Context-Situated Pun Generation [42.727010784168115]
本稿では,キーワードの集合で表される特定のコンテキストが提供される新しいタスク,文脈定型句生成を提案する。
その課題は、まずコンテキストに適した句語を識別し、次に、コンテキストキーワードと識別された句語に基づいて句を生成することである。
その結果,トップ検索語のうち69%が文脈選択語の生成に利用でき,生成モジュールは31%の成功率が得られることがわかった。
論文 参考訳（メタデータ） (2022-10-24T18:24:48Z) - 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) - A Unified Framework for Pun Generation with Humor Principles [31.70470387786539]
我々は、ホモフォニックとホモグラフィックの句を生成する統一的な枠組みを提案する。
句の3つの言語的属性を言語モデル(曖昧さ、特異性、驚き)に組み込む。
論文 参考訳（メタデータ） (2022-10-24T09:20:45Z) - Do Androids Laugh at Electric Sheep? Humor "Understanding" Benchmarks
from The New Yorker Caption Contest [70.40189243067857]
大きめのニューラルネットワークがジョークを生成できるようになったが、本当にユーモアを「理解」しているのだろうか?
私たちは、New Yorker Cartoon Caption Contestから派生した3つのタスクでAIモデルに挑戦します。
どちらのモデルも3つのタスクすべてで苦労しています。
論文 参考訳（メタデータ） (2022-09-13T20:54:00Z) - A Dual-Attention Neural Network for Pun Location and Using Pun-Gloss
Pairs for Interpretation [25.2990606699585]
パンの場所とは、テキスト中の句を識別することである。
Punの解釈は、句読点の2つの異なる意味を見出すことである。
論文 参考訳（メタデータ） (2021-10-14T08:15:04Z) - "The Boating Store Had Its Best Sail Ever": Pronunciation-attentive
Contextualized Pun Recognition [80.59427655743092]
そこで我々は,ヒトのユーモアを知覚するために,発音適応型文脈パウン認識(PCPR)を提案する。
PCPRは、周囲の文脈とその対応する音韻記号の関連を捉えることにより、文中の各単語の文脈化された表現を導出する。
その結果,提案手法はパント検出や位置情報タスクにおいて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-04-29T20:12:20Z) - Lexical Sememe Prediction using Dictionary Definitions by Capturing
Local Semantic Correspondence [94.79912471702782]
セメムは人間の言語の最小の意味単位として定義されており、多くのNLPタスクで有用であることが証明されている。
本稿では,このようなマッチングを捕捉し,セメムを予測できるセメム対応プールモデルを提案する。
我々は,有名なSememe KB HowNetのモデルとベースライン手法を評価し,そのモデルが最先端のパフォーマンスを実現することを発見した。
論文 参考訳（メタデータ） (2020-01-16T17:30:36Z)
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。