論文の概要: A Two-Model Approach for Humour Style Recognition

• arxiv url: http://arxiv.org/abs/2410.12842v1
• Date: Wed, 09 Oct 2024 18:25:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-20 09:11:04.982993
• Title: A Two-Model Approach for Humour Style Recognition
• Title（参考訳）: ハモアスタイル認識のための2モデルアプローチ
• Authors: Mary Ogbuka Kenneth, Foaad Khosmood, Abbas Edalat,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.21847754147782888
• License:
• Abstract: Humour, a fundamental aspect of human communication, manifests itself in various styles that significantly impact social interactions and mental health. Recognising different humour styles poses challenges due to the lack of established datasets and machine learning (ML) models. To address this gap, we present a new text dataset for humour style recognition, comprising 1463 instances across four styles (self-enhancing, self-deprecating, affiliative, and aggressive) and non-humorous text, with lengths ranging from 4 to 229 words. Our research employs various computational methods, including classic machine learning classifiers, text embedding models, and DistilBERT, to establish baseline performance. Additionally, we propose a two-model approach to enhance humour style recognition, particularly in distinguishing between affiliative and aggressive styles. Our method demonstrates an 11.61% improvement in f1-score for affiliative humour classification, with consistent improvements in the 14 models tested. Our findings contribute to the computational analysis of humour in text, offering new tools for studying humour in literature, social media, and other textual sources.
• Abstract（参考訳）: 人間のコミュニケーションの基本的な側面であるHumourは、社会的相互作用とメンタルヘルスに大きな影響を及ぼす様々なスタイルで現れている。 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。 このギャップに対処するために,4つのスタイル(自己強調,自己解釈,アフィリエイト,アフィリエイト,アフィリエイト)と非ハモラステキスト(4～229語)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。 本研究は,従来の機械学習分類器,テキスト埋め込みモデル,DistilBERTなど,様々な計算手法を用いて,ベースライン性能を確立する。 さらに、ユーモアスタイルの認識を強化するための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。 提案手法は,アフィリエティブユーモア分類においてf1スコアが11.61%向上し,14モデルで一貫した改善が得られた。 本研究は,テキストにおけるユーモアの計算分析に寄与し,文学,ソーシャルメディア,その他のテキストソースでユーモアを研究するための新たなツールを提供する。

関連論文リスト

• DiffusionPen: Towards Controlling the Style of Handwritten Text Generation [7.398476020996681]
  DiffusionPen (DiffPen) は遅延拡散モデルに基づく5ショットスタイルの手書きテキスト生成手法である。 提案手法は,文字と文体の特徴の両面を抽出し,現実的な手書きサンプルを生成する。 提案手法は,既存の手法を質的かつ定量的に上回り,その付加データにより手書き文字認識(HTR)システムの性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-09-09T20:58:25Z)
• Systematic Literature Review: Computational Approaches for Humour Style Classification [0.2455468619225742]
  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。
  論文  参考訳（メタデータ） (2024-01-30T16:21:47Z)
• Unsupervised Neural Stylistic Text Generation using Transfer learning and Adapters [66.17039929803933]
  応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。 我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
  論文  参考訳（メタデータ） (2022-10-07T00:09:22Z)
• 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)
• Reading and Writing: Discriminative and Generative Modeling for Self-Supervised Text Recognition [101.60244147302197]
  テキスト画像の識別と生成を学習するために,コントラスト学習とマスク付き画像モデリングを導入する。 本手法は,不規則なシーンテキスト認識データセットにおいて,従来の自己教師付きテキスト認識手法を10.2%～20.2%向上させる。 提案したテキスト認識器は,11のベンチマークで平均5.3%の精度で従来のテキスト認識手法を上回り,モデルサイズが類似している。
  論文  参考訳（メタデータ） (2022-07-01T03:50:26Z)
• Generating More Pertinent Captions by Leveraging Semantics and Style on Multi-Source Datasets [56.018551958004814]
  本稿では,データソースの非一様結合をトレーニングすることで,流動的な記述を生成するタスクに対処する。 ノイズの多い画像とテキストのペアを持つ大規模データセットは、サブ最適の監視源を提供する。 本稿では,検索コンポーネントから抽出したスタイルトークンとキーワードを組み込むことにより,セマンティクスと記述スタイルを活用・分離することを提案する。
  論文  参考訳（メタデータ） (2021-11-24T19:00:05Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Improving Generation and Evaluation of Visual Stories via Semantic Consistency [72.00815192668193]
  一連の自然言語キャプションが与えられた場合、エージェントはキャプションに対応する一連の画像を生成する必要がある。 それまでの作業では、このタスクで合成テキスト・画像モデルより優れた繰り返し生成モデルを導入してきた。 従来のモデリング手法には、デュアルラーニングフレームワークの追加など、いくつかの改善点を提示する。
  論文  参考訳（メタデータ） (2021-05-20T20:42:42Z)
• 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)
• ColBERT: Using BERT Sentence Embedding in Parallel Neural Networks for Computational Humor [0.0]
  本稿では,ユーモアの一般的な言語理論に基づいて,短いテキストでユーモアを検出・評価するための新しいアプローチを提案する。 提案手法は,与えられたテキストの文を分離し,BERTモデルを用いて各テキストの埋め込みを生成する。 我々はこの論文に、20万の形式的な短文からなるユーモア検出のための新しいデータセットを添付した。 提案モデルでは, 一般モデル, 最先端モデルより優れるユーモア検出実験において, 0.982, 0.869のF1スコアを得た。
  論文  参考訳（メタデータ） (2020-04-27T13:10:11Z)

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。