論文の概要: Finetuning for Sarcasm Detection with a Pruned Dataset
- arxiv url: http://arxiv.org/abs/2212.12213v1
- Date: Fri, 23 Dec 2022 08:59:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 16:09:56.186755
- Title: Finetuning for Sarcasm Detection with a Pruned Dataset
- Title（参考訳）: Pruned Datasetを用いたサルカズム検出のためのファインタニング
- Authors: Ishita Goyal, Priyank Bhandia, Sanjana Dulam
- Abstract要約: サルカスムの検出は文脈や非言語的手がかりに依存するため困難である。
我々は、RoBERTaベースのサルカズム検出モデルを微調整し、最先端技術の0.02 F1以内まで到達する。
我々の刈り取られたバージョンは、最先端モデルのトレーニングに使われるSARCのサブセットの100倍小さい。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Sarcasm is a form of irony that involves saying or writing something that is
opposite or opposite to what one really means, often in a humorous or mocking
way. It is often used to mock or mock someone or something, or to be humorous
or amusing. Sarcasm is usually conveyed through tone of voice, facial
expressions, or other forms of nonverbal communication, but it can also be
indicated by the use of certain words or phrases that are typically associated
with irony or humor. Sarcasm detection is difficult because it relies on
context and non-verbal cues. It can also be culturally specific, subjective and
ambiguous. In this work, we fine-tune the RoBERTa based sarcasm detection model
presented in Abaskohi et al. [2022] to get to within 0.02 F1 of the
state-of-the-art (Hercog et al. [2022]) on the iSarcasm dataset (Oprea and
Magdy [2019]). This performance is achieved by augmenting iSarcasm with a
pruned version of the Self Annotated Reddit Corpus (SARC) (Khodak et al.
[2017]). Our pruned version is 100 times smaller than the subset of SARC used
to train the state-of-the-art model.
- Abstract（参考訳）: 皮肉(英: sarcasm)は皮肉の一形態であり、しばしばユーモラスな、またはモック的な方法で、真の意味と反対または反対の何かを言うか書くことを伴う。
人をモックしたり、何かをモックしたり、ユーモアや面白がったりするのによく用いられる。
サルカズムは通常、音声、表情、その他の非言語コミュニケーションのトーンを通じて伝達されるが、皮肉やユーモアと関連づけられる特定の単語やフレーズの使用によっても示される。
サルカスムの検出は文脈や非言語的手がかりに依存するため困難である。
文化的に特有で主観的で曖昧であることもある。
本研究では,Abaskohi et alで提示されたRoBERTaによるサルカズム検出モデルを微調整する。
[2022]iSarcasmデータセット(Oprea and Magdy [2019])の最先端(Hercog et al. [2022])の0.02 F1以内に到達する。
このパフォーマンスは、Self Annotated Reddit Corpus (SARC) (Khodak et al. [2017])の刈り取ったバージョンでiSarcasmを増強することで達成される。
我々の刈り取られたバージョンは、最先端モデルのトレーニングに使われるSARCのサブセットの100倍小さい。
関連論文リスト
- A Functional Trade-off between Prosodic and Semantic Cues in Conveying Sarcasm [16.351061648741968]
発話とキーフレーズの韻律的特徴を3つの異なる皮肉カテゴリーに分けて分析した。
その結果, 意味論的意味が有意なフレーズでは, 意味論的意味が意味論的意味から明らかでない場合よりも, 韻律的手がかりは関連性が低いことがわかった。
論文 参考訳（メタデータ） (2024-08-27T09:07:37Z) - Sentiment-enhanced Graph-based Sarcasm Explanation in Dialogue [67.09698638709065]
本稿では,SEntiment-enhanceD Graph を用いたマルチモーダルサルカズム記述フレームワーク EDGE を提案する。
特に,まずレキシコン誘導型発話感情推論モジュールを提案し,そこでは発話感情改善戦略を考案する。
次に,マルチモーダル感情分析モデル JCA を拡張し,映像音声クリップ毎に共同感情ラベルを導出することにより,JCA-SI (Joint Cross Attention-based Sentiment Inference) というモジュールを開発する。
論文 参考訳（メタデータ） (2024-02-06T03:14:46Z) - 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) - Researchers eye-view of sarcasm detection in social media textual
content [0.0]
ソーシャルメディアにおけるあらゆる形態のコミュニケーションにおける皮肉文の使用は、ターゲットユーザに対する生理的効果をもたらす。
本稿では,様々なサルカズム検出手法について論じ,いくつかのアプローチ,および最適な特徴を持つ関連するデータセットを結論づける。
論文 参考訳（メタデータ） (2023-04-17T19:45:10Z) - 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) - How to Describe Images in a More Funny Way? Towards a Modular Approach
to Cross-Modal Sarcasm Generation [62.89586083449108]
本稿では,CMSG(Cross-modal sarcasm Generation)の新たな問題,すなわち,与えられた画像に対してサーカシックな記述を生成することについて検討する。
CMSGは、異なるモード間の相関だけでなく、サルカズムの特性をモデルが満たさなければならないため、困難である。
クロスモデルサルカズム生成のための抽出・生成・生成に基づくモジュール法(EGRM)を提案する。
論文 参考訳（メタデータ） (2022-11-20T14:38:24Z) - A Dual-Channel Framework for Sarcasm Recognition by Detecting Sentiment
Conflict [41.08483236878307]
サルカスムはアンビバレンス(英語版)を採用しており、そこでは肯定的だが実際には否定的であり、その逆である。
皮肉な文章の本質は、リテラル感情が深い感情とは逆であることです。
本稿では,感情の対立を認識するために,リテラルと深い感情の両方をモデル化し,デュアルチャネル・フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-08T12:33:19Z) - Parallel Deep Learning-Driven Sarcasm Detection from Pop Culture Text
and English Humor Literature [0.76146285961466]
ベンチマークポップカルチャー Sarcasm corpus のサーカシックな単語分布特徴を手作業で抽出する。
このような単語から重み付きベクトルからなる入力シーケンスを生成する。
提案するサルカズム検出モデルは,提案したデータセットを用いてトレーニングした場合,98.95%のトレーニング精度をピークとする。
論文 参考訳（メタデータ） (2021-06-10T14:01:07Z) - 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) - $R^3$: Reverse, Retrieve, and Rank for Sarcasm Generation with
Commonsense Knowledge [51.70688120849654]
非皮肉な入力文に基づくサルカズム生成のための教師なしアプローチを提案する。
本手法では,サルカズムの2つの主要な特徴をインスタンス化するために,検索・編集の枠組みを用いる。
論文 参考訳（メタデータ） (2020-04-28T02:30:09Z)
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。