論文の概要: BNS-Net: A Dual-channel Sarcasm Detection Method Considering
Behavior-level and Sentence-level Conflicts
- arxiv url: http://arxiv.org/abs/2309.03658v1
- Date: Thu, 7 Sep 2023 11:55:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-08 13:18:42.917839
- Title: BNS-Net: A Dual-channel Sarcasm Detection Method Considering
Behavior-level and Sentence-level Conflicts
- Title（参考訳）: BNS-Net:行動レベルと文レベルの矛盾を考慮した二重チャネルサーカスム検出法
- Authors: Liming Zhou and Xiaowei Xu and Xiaodong Wang
- Abstract要約: Sarcasm Detectionは、与えられた発話が皮肉であるかどうかを判断することを目的としたバイナリ分類タスクである。
本稿では,BNS-Net という名前の2チャネルサルカズム検出モデルを提案する。
BNS-Netはテキスト中の皮肉を効果的に識別し、最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 7.864536423561251
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sarcasm detection is a binary classification task that aims to determine
whether a given utterance is sarcastic. Over the past decade, sarcasm detection
has evolved from classical pattern recognition to deep learning approaches,
where features such as user profile, punctuation and sentiment words have been
commonly employed for sarcasm detection. In real-life sarcastic expressions,
behaviors without explicit sentimental cues often serve as carriers of implicit
sentimental meanings. Motivated by this observation, we proposed a dual-channel
sarcasm detection model named BNS-Net. The model considers behavior and
sentence conflicts in two channels. Channel 1: Behavior-level Conflict Channel
reconstructs the text based on core verbs while leveraging the modified
attention mechanism to highlight conflict information. Channel 2:
Sentence-level Conflict Channel introduces external sentiment knowledge to
segment the text into explicit and implicit sentences, capturing conflicts
between them. To validate the effectiveness of BNS-Net, several comparative and
ablation experiments are conducted on three public sarcasm datasets. The
analysis and evaluation of experimental results demonstrate that the BNS-Net
effectively identifies sarcasm in text and achieves the state-of-the-art
performance.
- Abstract（参考訳）: Sarcasm Detectionは、与えられた発話が皮肉であるかどうかを判断することを目的としたバイナリ分類タスクである。
過去10年間で、サーカズム検出は古典的なパターン認識からディープラーニングアプローチへと進化し、ユーザプロファイルや句読点、感情語といった特徴がサーカズム検出に一般的に用いられてきた。
実生活の皮肉表現では、明示的な感情的な手がかりのない行動はしばしば暗黙的な感情的な意味のキャリアとして機能する。
そこで本研究では,BNS-Netという2チャネルサーカスタム検出モデルを提案する。
モデルは2つのチャンネルにおける行動と文の衝突を考察する。
チャンネル1: 行動レベルのコンフリクトチャンネルは、修正されたアテンションメカニズムを利用してコンフリクト情報を強調しながら、コア動詞に基づいてテキストを再構築する。
チャンネル2: 文レベルの衝突チャンネルは、外部の感情知識を導入し、テキストを明示的で暗黙的な文に分割し、それらの間の衝突をキャプチャする。
BNS-Netの有効性を検証するために、3つの公開サルカズムデータセットで比較およびアブレーション実験を行った。
実験結果の分析と評価により,BNS-Netはテキスト中の皮肉を効果的に識別し,最先端の性能を実現することを示した。
関連論文リスト
- 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 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) - Towards Multi-Modal Sarcasm Detection via Hierarchical Congruity
Modeling with Knowledge Enhancement [31.97249246223621]
サルカスム(Sarcasm)は、文字通りの意味と暗示意図の相違を示す言語現象である。
既存の技術のほとんどは、テキスト入力と付随する画像の間の原子レベルの不整合をモデル化しただけだった。
本稿では,マルチヘッドのクロスアテンション機構に基づく原子レベルの合同性と,グラフニューラルネットワークに基づく合成レベルの合同性の両方を探索し,サルカズム検出のための新しい階層的枠組みを提案する。
論文 参考訳（メタデータ） (2022-10-07T12:44:33Z) - DiffCSE: Difference-based Contrastive Learning for Sentence Embeddings [51.274478128525686]
DiffCSEは、文の埋め込みを学習するための教師なしのコントラスト学習フレームワークである。
実験の結果,教師なし文表現学習法では,DiffCSEは最先端の結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-04-21T17:32:01Z) - Multi-Modal Sarcasm Detection Based on Contrastive Attention Mechanism [7.194040730138362]
本研究では、モーダリティ間コントラストアテンションに基づくSarcasm Detection(ConAttSD)モデルを構築し、モーダリティ間コントラストアテンション機構を用いて発話のコントラスト特徴を抽出する。
ベンチマークマルチモーダルサルカズムデータセットであるMUStARDに関する実験により,提案したConAttSDモデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-09-30T14:17:51Z) - 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) - Sarcasm Detection: A Comparative Study [1.7725414095035827]
サルカズム検出は、感情を含むテキスト中の発話を含む皮肉を識別するタスクである。
本稿では,自動サーカズム検出の文献における健全な作業のコンパイルとレビューを行う。
論文 参考訳（メタデータ） (2021-07-05T21:20:29Z) - Exploring Robustness of Unsupervised Domain Adaptation in Semantic
Segmentation [74.05906222376608]
クリーンな画像とそれらの逆の例との一致を、出力空間における対照的な損失によって最大化する、逆向きの自己スーパービジョンUDA(ASSUDA)を提案する。
i) セマンティックセグメンテーションにおけるUDA手法のロバスト性は未解明のままであり, (ii) 一般的に自己スーパービジョン(回転やジグソーなど) は分類や認識などのイメージタスクに有効であるが, セグメンテーションタスクの識別的表現を学習する重要な監視信号の提供には失敗している。
論文 参考訳（メタデータ） (2021-05-23T01:50:44Z) - 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) - $R^3$: 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。