論文の概要: Irony Detection, Reasoning and Understanding in Zero-shot Learning

• arxiv url: http://arxiv.org/abs/2501.16884v2
• Date: Wed, 11 Jun 2025 07:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-12 23:41:16.618885
• Title: Irony Detection, Reasoning and Understanding in Zero-shot Learning
• Title（参考訳）: ゼロショット学習における皮肉検出・推論・理解
• Authors: Peiling Yi, Yuhan Xia, Yunfei Long,
• Abstract要約: 皮肉に焦点を当てたプロンプトは、データセット固有の制限を克服し、一貫性のある人間の読みやすい推論を生成することができる。 皮肉検出,推論,理解におけるLCMのゼロショット能力の向上を目的とした今後の研究の道筋を明らかにする。 これには、皮肉検出における文脈認識の進展、ハイブリッド・シンボリック・ニューラル・メソッドの探索、マルチモーダルデータの統合が含まれる。
• 参考スコア（独自算出の注目度）: 4.837131782165824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The generalisation of irony detection faces significant challenges, leading to substantial performance deviations when detection models are applied to diverse real-world scenarios. In this study, we find that irony-focused prompts, as generated from our IDADP framework for LLMs, can not only overcome dataset-specific limitations but also generate coherent, human-readable reasoning, transforming ironic text into its intended meaning. Based on our findings and in-depth analysis, we identify several promising directions for future research aimed at enhancing LLMs' zero-shot capabilities in irony detection, reasoning, and comprehension. These include advancing contextual awareness in irony detection, exploring hybrid symbolic-neural methods, and integrating multimodal data, among others.
• Abstract（参考訳）: 皮肉な検出の一般化は重大な課題に直面しており、検出モデルが様々な現実のシナリオに適用された場合、かなりの性能差が生じる。 本研究では, LLM のための IDADP フレームワークから生成した皮肉に焦点を絞ったプロンプトが, データセット固有の制約を克服するだけでなく, 一貫性のある人間可読推論を生成し, 皮肉テキストを意図した意味に変換する。 そこで本研究では,LLMのゼロショット能力を,皮肉検出,推論,理解において向上させることを目指して,今後の研究に向けてのいくつかの道筋を解明する。 これには、皮肉検出における文脈認識の進展、ハイブリッド・シンボリック・ニューラル・メソッドの探索、マルチモーダルデータの統合などが含まれる。

関連論文リスト

• Improving Multilingual Retrieval-Augmented Language Models through Dialectic Reasoning Argumentations [65.11348389219887]
  そこで,Dialectic-RAG(Dialectic-RAG, DRAG)を提案する。 我々は、文脈内学習戦略と、より小さなモデルをインストラクションするための実演の構築の両方において、我々のフレームワークが与える影響を示す。
  論文  参考訳（メタデータ） (2025-04-07T06:55:15Z)
• Irony in Emojis: A Comparative Study of Human and LLM Interpretation [53.66354612549173]
  本研究は,GPT-4oが絵文字の皮肉を解釈する能力について検討した。 GPT-4oは、ソーシャルメディア上での皮肉表現に使用される特定の絵文字の可能性を評価することによって、機械と人間の理解のギャップを埋めることを目指している。
  論文  参考訳（メタデータ） (2025-01-20T03:02:00Z)
• Enhancing Rhetorical Figure Annotation: An Ontology-Based Web Application with RAG Integration [0.6372911857214884]
  ファイド・ユー・フィギュア (Find your Figure) というウェブアプリケーションを開発した。 ドイツの修辞的人物の識別と注釈を容易にする。 さらに、検索生成(RAG)によるユーザエクスペリエンスの向上も行います。
  論文  参考訳（メタデータ） (2024-12-18T12:45:55Z)
• Detecting Emotional Incongruity of Sarcasm by Commonsense Reasoning [32.5690489394632]
  本論文は, 語義的意味に反する批判, モック, その他の否定的な感情を伝えるか否かを識別することを目的とした, 皮肉検出に焦点を当てた。 既存のメソッドは、複雑な現実世界のシナリオに直面した時に、常識的な推論能力に欠けており、不満足なパフォーマンスをもたらします。 本研究では,EICR と呼ばれるコモンセンス拡張に基づく不整合推論を行うサルカズム検出のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-17T11:25:55Z)
• IAE: Irony-based Adversarial Examples for Sentiment Analysis Systems [4.118390893942461]
  我々は,単純な文を皮肉文に変換する手法であるIrony-based Adversarial Examples (IAE)を提案する。 IAEはIronyの修辞的な装置を利用しており、意図された意味は文字通りの解釈とは反対である。 IAE攻撃を受けると、感情分析タスクにおける最先端のディープラーニングモデルの性能が著しく低下することが実証された。
  論文  参考訳（メタデータ） (2024-11-12T15:01:47Z)
• DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
  プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。 そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
  論文  参考訳（メタデータ） (2023-06-15T10:41:23Z)
• Simple Linguistic Inferences of Large Language Models (LLMs): Blind Spots and Blinds [59.71218039095155]
  我々は,ほとんどの人間が自明に感じる単純な推論タスクにおいて,言語理解能力を評価する。 我々は, (i) 文法的に特定された含意, (ii) 不確実性のある明らかな副詞を持つ前提, (iii) 単調性含意を目標とする。 モデルはこれらの評価セットに対して中程度から低い性能を示す。
  論文  参考訳（メタデータ） (2023-05-24T06:41:09Z)
• Towards Making the Most of ChatGPT for Machine Translation [75.576405098545]
  ChatGPTは機械翻訳(MT)の優れた機能を示す いくつかの先行研究により、ハイソース言語の商用システムと同等の結果が得られることが示されている。
  論文  参考訳（メタデータ） (2023-03-24T03:35:21Z)
• Context-faithful Prompting for Large Language Models [51.194410884263135]
  大言語モデル(LLM)は世界事実に関するパラメトリック知識を符号化する。 パラメトリック知識への依存は、文脈的手がかりを見落とし、文脈に敏感なNLPタスクにおいて誤った予測をもたらす可能性がある。 我々は, LLMの文脈的忠実度を, 知識の衝突と, 棄権による予測の2つの側面で評価し, 向上する。
  論文  参考訳（メタデータ） (2023-03-20T17:54:58Z)
• Explaining (Sarcastic) Utterances to Enhance Affect Understanding in Multimodal Dialogues [40.80696210030204]
  本稿では,マルチモーダル(皮肉)対話インスタンスを入力とし,その説明として自然言語文を生成する深層ニューラルネットワーク MOSES を提案する。 本研究では, サルカズム検出, ユーモア識別, 感情認識など, 対話型対話システムにおいて, 様々な自然言語理解タスクに対して生成した説明を活用する。 評価結果から,MOSESはSEDの最先端システムよりも平均2%高い性能を示した。
  論文  参考訳（メタデータ） (2022-11-20T18:05:43Z)
• A Survey in Automatic Irony Processing: Linguistic, Cognitive, and Multi-X Perspectives [1.6244541005112747]
  我々は、計算皮肉、言語理論や認知科学からの知見、下流のNLPタスクとの相互作用、新たに提案されたマルチXアイロン処理の観点からの総合的な概要を提供する。
  論文  参考訳（メタデータ） (2022-09-10T17:03:34Z)
• Testing the Ability of Language Models to Interpret Figurative Language [69.59943454934799]
  比喩的・比喩的な言語は言論において一般的である。 現代の言語モデルが非リテラルなフレーズをどの程度解釈できるかについては、未解決の疑問が残る。 ウィノグラードスタイルの非文字言語理解タスクであるFig-QAを紹介する。
  論文  参考訳（メタデータ） (2022-04-26T23:42:22Z)

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。