論文の概要: Humor Mechanics: Advancing Humor Generation with Multistep Reasoning

• arxiv url: http://arxiv.org/abs/2405.07280v1
• Date: Sun, 12 May 2024 13:00:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-14 17:30:59.172501
• Title: Humor Mechanics: Advancing Humor Generation with Multistep Reasoning
• Title（参考訳）: 風力力学:マルチステップ推論による風力発生の促進
• Authors: Alexey Tikhonov, Pavel Shtykovskiy,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.525355831490828
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we explore the generation of one-liner jokes through multi-step reasoning. Our work involved reconstructing the process behind creating humorous one-liners and developing a working prototype for humor generation. We conducted comprehensive experiments with human participants to evaluate our approach, comparing it with human-created jokes, zero-shot GPT-4 generated humor, and other baselines. The evaluation focused on the quality of humor produced, using human labeling as a benchmark. Our findings demonstrate that the multi-step reasoning approach consistently improves the quality of generated humor. We present the results and share the datasets used in our experiments, offering insights into enhancing humor generation with artificial intelligence.
• Abstract（参考訳）: 本稿では,多段階推論による一線ジョークの生成について検討する。 我々の研究は、ユーモラスなワンライナーの作成プロセスの再構築と、ユーモラスな生成のための作業プロトタイプの開発であった。 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,その他のベースラインと比較した。 評価は、ヒトのラベルをベンチマークとして、生成したユーモアの品質に焦点を当てた。 以上の結果から,多段階推論手法は生成したユーモアの品質を継続的に改善することが示された。 実験で使用したデータセットを提示し、AIによるユーモア生成の強化に関する洞察を提供する。

関連論文リスト

• PersLLM: A Personified Training Approach for Large Language Models [63.75008885222351]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• 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)
• 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)
• 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)
• This joke is [MASK]: Recognizing Humor and Offense with Prompting [9.745213455946324]
  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。
  論文  参考訳（メタデータ） (2022-10-25T13:02:45Z)
• 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)
• "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)
• Let's be Humorous: Knowledge Enhanced Humor Generation [26.886255899651893]
  関連する知識をセットして、パンチラインを生成する方法について検討する。 我々の知る限り、これは知識強化モデルでパンチラインを生成する最初の試みである。 実験結果から,本手法は知識を生かして,流動的で面白いパンチラインを生成できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-28T06:06:18Z)
• Stimulating Creativity with FunLines: A Case Study of Humor Generation in Headlines [9.367224590861913]
  FunLinesは、プレイヤーがニュースの見出しを編集して面白いものにする競争ゲームだ。 FunLinesはユーモア生成プロセスを楽しく、インタラクティブで、コラボレーティブで、報奨と教育に役立てる。 過去のベンチマークより優れているユーモア分類モデルをトレーニングすることで,このデータの有効性を示す。
  論文  参考訳（メタデータ） (2020-02-05T22:56:11Z)

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。