論文の概要: This joke is [MASK]: Recognizing Humor and Offense with Prompting

• arxiv url: http://arxiv.org/abs/2210.13985v1
• Date: Tue, 25 Oct 2022 13:02:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 15:14:39.866820
• Title: This joke is [MASK]: Recognizing Humor and Offense with Prompting
• Title（参考訳）: このジョークは[マスク]:プロンプトでユーモアと悪行を認識する
• Authors: Junze Li, Mengjie Zhao, Yubo Xie, Antonis Maronikolakis, Pearl Pu, Hinrich Sch\"utze
• Abstract要約: 風は日々の人間との交流やコミュニケーションにおいて磁気的要素である。 ユーモア認識のためのNLPの新しい伝達学習パラダイムであるプロンプトの有効性について検討する。
• 参考スコア（独自算出の注目度）: 9.745213455946324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humor is a magnetic component in everyday human interactions and communications. Computationally modeling humor enables NLP systems to entertain and engage with users. We investigate the effectiveness of prompting, a new transfer learning paradigm for NLP, for humor recognition. We show that prompting performs similarly to finetuning when numerous annotations are available, but gives stellar performance in low-resource humor recognition. The relationship between humor and offense is also inspected by applying influence functions to prompting; we show that models could rely on offense to determine humor during transfer.
• Abstract（参考訳）: ユーモアは人間の日常的相互作用やコミュニケーションにおいて磁気的要素である。 ユーモアをコンピュータでモデリングすることで、NLPシステムはユーザーを楽しませ、エンゲージメントすることができる。 ユーモア認識のためのNLPの新しい伝達学習パラダイムであるプロンプトの有効性について検討する。 多数のアノテーションが利用できる場合の微調整と同様にプロンプトも行うが、低リソースのユーモア認識ではより優れたパフォーマンスが得られる。 また, インフルエンス関数を刺激に応用することにより, ユーモアと犯罪の関係を検査し, 移動中のユーモアを判断するために, モデルが攻撃に依存することを示した。

関連論文リスト

• Can Pre-trained Language Models Understand Chinese Humor? [74.96509580592004]
  本論文は,事前学習言語モデル(PLM)のユーモア理解能力を体系的に研究する最初の論文である。 提案した評価フレームワークのすべてのデータ要件を完全に満たす中国の総合的ユーモアデータセットを構築した。 中国のユーモアデータセットに関する実証的研究は、ユーモア理解と生成におけるPLMの将来の最適化に非常に役立つ貴重な観察結果をもたらす。
  論文  参考訳（メタデータ） (2024-07-04T18:13:38Z)
• 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)
• Getting Serious about Humor: Crafting Humor Datasets with Unfunny Large Language Models [27.936545041302377]
  大規模言語モデル(LLM)は、テキストを編集することでユーモア検出のための合成データを生成することができる。 我々は、既存の人間のデータセット上でLLMをベンチマークし、現在のLLMは、ジョークを「不快に」する印象的な能力を示すことを示す。 我々は、GPT-4の合成データがバイリンガルアノテータによって高度に評価されているという、コード混成のイングリッシュ・ヒンディー語ユーモアデータセットにアプローチを拡張した。
  論文  参考訳（メタデータ） (2024-02-23T02:58:12Z)
• Mining Effective Features Using Quantum Entropy for Humor Recognition [19.20228079459944]
  過去数年間に、様々な方法で、音の認識が広範に研究されてきた。 本稿では,不整合理論にインスパイアされたジョークを2つの構成要素(セットアップとパンチライン)に分けることができる。 構成のセマンティックな不確かさとパンチラインを表すために密度行列を使用し、量子エントロピーの助けを借りてQE-不確実性とQE-不連続性を設計する。
  論文  参考訳（メタデータ） (2023-02-07T19:09:09Z)
• 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)
• Federated Learning with Diversified Preference for Humor Recognition [40.89453484353102]
  We propose the FedHumor approach to recognize humorous text contents in a Personal manner through federated learning (FL)。 様々なユーモア嗜好を持つ人々に対して、FedHumorのユーモア内容の正確な認識において、9つの最先端ユーモア認識アプローチと比較して、実験は大きな利点を示す。
  論文  参考訳（メタデータ） (2020-12-03T03:24:24Z)
• "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)

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。