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

• SoK: On Finding Common Ground in Loss Landscapes Using Deep Model Merging Techniques [4.013324399289249]
  本稿では,モデルマージ手法の新たな分類法を提案する。 これらの分野における文献からの反復的な経験的観察を,ロスランドスケープ幾何学の4つの主要な側面のキャラクタリゼーションに用いた。
  論文  参考訳（メタデータ） (2024-10-16T18:14:05Z)
• A Two-Model Approach for Humour Style Recognition [0.21847754147782888]
  異なるユーモアスタイルを認識することは、確立されたデータセットと機械学習(ML)モデルが欠如しているため、課題となる。 4つのスタイルにまたがる1463のインスタンスを含むユーモアスタイル認識のための新しいテキストデータセットを提案する。 ユーモアスタイルの認識を高めるための2モデルアプローチを提案し,特にアフィリエティブなスタイルとアグレッシブなスタイルを区別する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T18:25:07Z)
• Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
  検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。 本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
  論文  参考訳（メタデータ） (2024-07-17T20:01:21Z)
• 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 [58.30439850203101]
  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)
• 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)
• 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)

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。