論文の概要: Systematic Literature Review: Computational Approaches for Humour Style
Classification
- arxiv url: http://arxiv.org/abs/2402.01759v1
- Date: Tue, 30 Jan 2024 16:21:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 16:06:12.564244
- Title: Systematic Literature Review: Computational Approaches for Humour Style
Classification
- Title(参考訳): 系統文献レビュー:ハマースタイル分類のための計算的アプローチ
- Authors: Mary Ogbuka Kenneth, Foaad Khosmood and Abbas Edalat
- Abstract要約: 本稿では,二進法とサルカズム認識に応用した計算手法の展望について検討する。
潜在的な研究ギャップを特定し、有望な方向性を概説する。
SLRはユーモアと皮肉に関連する既存のデータセットへのアクセスを提供し、将来の研究者の作業を促進する。
- 参考スコア(独自算出の注目度): 0.2455468619225742
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding various humour styles is essential for comprehending the
multifaceted nature of humour and its impact on fields such as psychology and
artificial intelligence. This understanding has revealed that humour, depending
on the style employed, can either have therapeutic or detrimental effects on an
individual's health and relationships. Although studies dedicated exclusively
to computational-based humour style analysis remain somewhat rare, an expansive
body of research thrives within related task, particularly binary humour and
sarcasm recognition. In this systematic literature review (SLR), we survey the
landscape of computational techniques applied to these related tasks and also
uncover their fundamental relevance to humour style analysis. Through this
study, we unveil common approaches, illuminate various datasets and evaluation
metrics, and effectively navigate the complex terrain of humour research. Our
efforts determine potential research gaps and outlined promising directions.
Furthermore, the SLR identifies a range of features and computational models
that can seamlessly transition from related tasks like binary humour and
sarcasm detection to invigorate humour style classification. These features
encompass incongruity, sentiment and polarity analysis, ambiguity detection,
acoustic nuances, visual cues, contextual insights, and more. The computational
models that emerge contain traditional machine learning paradigms, neural
network architectures, transformer-based models, and specialised models attuned
to the nuances of humour. Finally, the SLR provides access to existing datasets
related to humour and sarcasm, facilitating the work of future researchers.
- Abstract(参考訳): 様々なユーモアのスタイルを理解することは、ユーモアの多面的な性質とその心理学や人工知能といった分野への影響を理解するのに不可欠である。
この理解により、ユーモアは、採用されるスタイルによって、個人の健康と関係に治療的または有害な影響を与えることが判明した。
計算に基づくユーモアのスタイル分析専用の研究はいまだに稀であるが、関連するタスク、特に二進的ユーモアとサルカズムの認識において、広範な研究が盛んである。
この体系的文献レビュー (slr) では, 関連課題に適用される計算手法の展望を調査し, ユーモア分析に対する基礎的妥当性を明らかにする。
本研究では,様々なデータセットと評価指標を照らし,ユーモア研究の複雑な地形を効果的にナビゲートする共通手法を提案する。
我々の努力は潜在的な研究ギャップを決定づけ、有望な方向性を概説した。
さらに、SLRは、バイナリユーモアやサルカズム検出といった関連するタスクからユーモアスタイルの分類にシームレスに移行できる様々な特徴と計算モデルを特定する。
これらの特徴は、不合理性、感情と極性分析、曖昧性検出、音響ニュアンス、視覚的な手がかり、文脈的洞察などを含んでいる。
出現する計算モデルは、伝統的な機械学習パラダイム、ニューラルネットワークアーキテクチャ、トランスフォーマーベースのモデル、ユーモアのニュアンスに適応した特殊化されたモデルを含む。
最後に、SLRはユーモアと皮肉に関連する既存のデータセットへのアクセスを提供し、将来の研究者の仕事を促進する。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - Multimodal Deep Learning for Scientific Imaging Interpretation [0.0]
本研究では,SEM(Scanning Electron Microscopy)画像と人間のような相互作用を言語的にエミュレートし,評価するための新しい手法を提案する。
本稿では,ピアレビュー記事から収集したテキストデータとビジュアルデータの両方から洞察を抽出する。
我々のモデル (GlassLLaVA) は, 正確な解釈, 重要な特徴の同定, 未確認のSEM画像の欠陥の検出に優れる。
論文 参考訳(メタデータ) (2023-09-21T20:09:22Z) - Large Language Models for Information Retrieval: A Survey [57.7992728506871]
情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。
近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。
LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
論文 参考訳(メタデータ) (2023-08-14T12:47:22Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳(メタデータ) (2023-07-25T17:59:18Z) - NeuroGraph: Benchmarks for Graph Machine Learning in Brain Connectomics [10.294767093317404]
グラフベースのニューロイメージングデータセットのコレクションであるNeuroGraphを紹介する。
行動的特徴と認知的特徴の複数のカテゴリを予測するための実用性を実証する。
論文 参考訳(メタデータ) (2023-06-09T19:10:16Z) - Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and
First Results [58.84838232259392]
ヒューモアは人間の感情と認知の重要な要素である。
ユーモア検出の現在の方法は、単にステージ化されたデータに基づいており、'現実世界'のアプリケーションには不十分である。
約11時間の録音を含むPassau-Spontaneous Football Coach Humourデータセットについて紹介する。
論文 参考訳(メタデータ) (2022-09-28T17:36:47Z) - Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。
2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。
提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
論文 参考訳(メタデータ) (2021-12-23T12:17:47Z) - EEGminer: Discovering Interpretable Features of Brain Activity with
Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。
我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。
発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文 参考訳(メタデータ) (2021-10-19T14:22:04Z) - Advancing Humor-Focused Sentiment Analysis through Improved
Contextualized Embeddings and Model Architecture [0.0]
噂によって、私たちは都合よく、効果的に思考や感情を表現することができます。
言語モデルが仮想アシスタントやIOTデバイスを介してユビキタス化するにつれ、ユーモアを意識したモデルを開発する必要性が指数関数的に高まっていく。
論文 参考訳(メタデータ) (2020-11-23T22:30:32Z) - Statistical Exploration of Relationships Between Routine and Agnostic
Features Towards Interpretable Risk Characterization [0.0]
臨床的実装のための予後モデルをどのように解釈するか?
放射能特徴集合内の潜在的な情報構造をどうやって特定できるのか?
そして、どのようにして機能間の潜在的な関係を再結合または活用して、解釈可能性を改善することができるのか?
論文 参考訳(メタデータ) (2020-01-28T14:27:09Z)
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。