論文の概要: Cards Against AI: Predicting Humor in a Fill-in-the-blank Party Game

• arxiv url: http://arxiv.org/abs/2210.13016v1
• Date: Mon, 24 Oct 2022 08:05:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 13:19:03.227131
• Title: Cards Against AI: Predicting Humor in a Fill-in-the-blank Party Game
• Title（参考訳）: cards against ai: 満員パーティーゲームにおけるユーモアの予測
• Authors: Dan Ofer, Dafna Shahaf
• Abstract要約: ユーモアは本質的に社会的現象であり、社会的、文化的に受け入れられるものによって形作られたユーモラスな発話である。 785Kのユニークなジョークを含む、30万のオンラインゲームを対象とした新しいデータセットを導入し、分析し、洞察を提供する。 ユーザ情報なしでも、ゲーム当たりの勝利ジョークを予測するために機械学習モデルをトレーニングし、ランダムな2倍のパフォーマンスを実現しました。
• 参考スコア（独自算出の注目度）: 12.8252101640812
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Humor is an inherently social phenomenon, with humorous utterances shaped by what is socially and culturally accepted. Understanding humor is an important NLP challenge, with many applications to human-computer interactions. In this work we explore humor in the context of Cards Against Humanity -- a party game where players complete fill-in-the-blank statements using cards that can be offensive or politically incorrect. We introduce a novel dataset of 300,000 online games of Cards Against Humanity, including 785K unique jokes, analyze it and provide insights. We trained machine learning models to predict the winning joke per game, achieving performance twice as good (20\%) as random, even without any user information. On the more difficult task of judging novel cards, we see the models' ability to generalize is moderate. Interestingly, we find that our models are primarily focused on punchline card, with the context having little impact. Analyzing feature importance, we observe that short, crude, juvenile punchlines tend to win.
• Abstract（参考訳）: ユーモアは本質的に社会的現象であり、社会的および文化的に受け入れられるものによって形成されるユーモラスな発話である。 ユーモアを理解することは、人間とコンピュータの相互作用に多くの応用がある重要なNLP課題である。 この作品では、プレイヤーが攻撃的あるいは政治的に正しくないカードを使って、満杯のステートメントを完結するパーティーゲームである「cards against humanity」という文脈でユーモアを探求する。 785Kのユニークなジョークを含む30万のオンラインゲームに関する新しいデータセットを導入し、分析し、洞察を提供する。 機械学習モデルをトレーニングして,ゲーム当たりの勝利ジョークを予測し,ユーザ情報なしでも2倍の成績(20\%)をランダムに達成した。 新たなカードを判定するより難しい作業では、モデルを一般化する能力は適度である。 興味深いことに、私たちのモデルは主にパンチラインカードに焦点を当てており、コンテキストへの影響はほとんどない。 特徴を分析した結果、短い、粗い、若いパンチラインが勝つ傾向にあることがわかった。

関連論文リスト

• ChatGPT is fun, but it is not funny! Humor is still challenging Large Language Models [19.399535453449488]
  OpenAIのChatGPTモデルは、ほとんど人間レベルでコミュニケーションを取り、ジョークを言うことができます。 ジョーク、すなわち生成、説明、検出に関する一連の探索実験において、ChatGPTの人間のユーモアを把握、再現する能力を理解しようと試みる。 私たちの経験的証拠は、ジョークはハードコードではなく、主にモデルによって新たに生成されたものではないことを示している。
  論文  参考訳（メタデータ） (2023-06-07T16:10:21Z)
• 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)
• 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)
• Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results [84.37263300062597]
  風は人間の社会的行動、感情、認知の重要な要素である。 現在のユーモア検出法は、ステージ化されたデータのみに基づいており、「現実世界」の応用には不十分である。 約11時間の記録を含むPassau-Spontaneous Football Coach Humorデータセットを導入することで,この障害への対処に寄与する。
  論文  参考訳（メタデータ） (2022-09-28T17:36:47Z)
• 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)
• WinoGAViL: Gamified Association Benchmark to Challenge Vision-and-Language Models [91.92346150646007]
  本研究では,視覚・言語関係を収集するオンラインゲームであるWinoGAViLを紹介する。 私たちはこのゲームを使って3.5Kのインスタンスを収集し、それらが人間には直感的だが最先端のAIモデルには挑戦的であることを発見した。 我々の分析とプレイヤーからのフィードバックは、収集された協会が多様な推論スキルを必要とすることを示している。
  論文  参考訳（メタデータ） (2022-07-25T23:57:44Z)
• Beyond Plain Toxic: Detection of Inappropriate Statements on Flammable Topics for the Russian Language [76.58220021791955]
  本稿では,不合理性という二項的概念と,センシティブなトピックの多項的概念に基づいてラベル付けされた2つのテキストコレクションについて述べる。 不適切な概念を客観するために、クラウドソーシングではデータ駆動方式で定義する。
  論文  参考訳（メタデータ） (2022-03-04T15:59:06Z)
• Humor@IITK at SemEval-2021 Task 7: Large Language Models for Quantifying Humor and Offensiveness [2.251416625953577]
  本稿では,大きなニューラルモデルとそのアンサンブルがユーモア/オフィス検出と評価に関連する複雑さを捕捉できるかどうかを検討する。 SemEval-2021 Task 7: HaHackathonによる実験により,このようなモデルを用いて合理的なユーモアと犯罪検知システムを開発できることが判明した。
  論文  参考訳（メタデータ） (2021-04-02T08:22:02Z)
• Towards Conversational Humor Analysis and Design [17.43766386622031]
  本論文は,Incongruity Theoryに基づく,特定の設定からのパンチラインの分類と生成という2つの概念を基本とする。 ユーモア生成には、ニューラルモデルを使用し、古典的なルールベースのアプローチとニューラルアプローチをマージしてハイブリッドモデルを作成します。 次に、我々のモデルを人間の記述したジョークと人間の評価者の助けを借りて、二重盲検研究で使用し比較する。
  論文  参考訳（メタデータ） (2021-02-28T15:22:57Z)

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。