論文の概要: Enhancing Hyperbole and Metaphor Detection with Their Bidirectional Dynamic Interaction and Emotion Knowledge

• arxiv url: http://arxiv.org/abs/2506.15504v1
• Date: Wed, 18 Jun 2025 14:42:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.694908
• Title: Enhancing Hyperbole and Metaphor Detection with Their Bidirectional Dynamic Interaction and Emotion Knowledge
• Title（参考訳）: 双方向動的相互作用と感情知識によるハイパボラとメタファー検出の強化
• Authors: Li Zheng, Sihang Wang, Hao Fei, Zuquan Peng, Fei Li, Jianming Fu, Chong Teng, Donghong Ji,
• Abstract要約: 双方向動的相互作用(EmoBi)に基づく感情誘導型ハイパーボラとメタファ検出フレームワークを提案する。 EmoBiは4つのデータセット上ですべてのベースラインメソッドより優れていることを示す。
• 参考スコア（独自算出の注目度）: 32.35261857595496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-based hyperbole and metaphor detection are of great significance for natural language processing (NLP) tasks. However, due to their semantic obscurity and expressive diversity, it is rather challenging to identify them. Existing methods mostly focus on superficial text features, ignoring the associations of hyperbole and metaphor as well as the effect of implicit emotion on perceiving these rhetorical devices. To implement these hypotheses, we propose an emotion-guided hyperbole and metaphor detection framework based on bidirectional dynamic interaction (EmoBi). Firstly, the emotion analysis module deeply mines the emotion connotations behind hyperbole and metaphor. Next, the emotion-based domain mapping module identifies the target and source domains to gain a deeper understanding of the implicit meanings of hyperbole and metaphor. Finally, the bidirectional dynamic interaction module enables the mutual promotion between hyperbole and metaphor. Meanwhile, a verification mechanism is designed to ensure detection accuracy and reliability. Experiments show that EmoBi outperforms all baseline methods on four datasets. Specifically, compared to the current SoTA, the F1 score increased by 28.1% for hyperbole detection on the TroFi dataset and 23.1% for metaphor detection on the HYPO-L dataset. These results, underpinned by in-depth analyses, underscore the effectiveness and potential of our approach for advancing hyperbole and metaphor detection.
• Abstract（参考訳）: テキストベースのハイパーブートとメタファ検出は自然言語処理(NLP)タスクにおいて非常に重要である。 しかし、意味的不明瞭さと表現的多様性のため、それらを特定することはむしろ困難である。 既存の方法は、主に表面的なテキストの特徴に焦点を合わせ、ハイパボラや比喩の関連を無視したり、暗黙の感情がこれらの修辞的デバイスを知覚する効果を無視する。 これらの仮説を実装するために,双方向動的相互作用(EmoBi)に基づく感情誘導型ハイパーボラとメタファ検出フレームワークを提案する。 まず、感情分析モジュールは、ハイパーボーリングとメタファーの背後にある感情の意味を深く掘り下げる。 次に、感情に基づくドメインマッピングモジュールは、ターゲットドメインとソースドメインを特定し、ハイパーボウルとメタファの暗黙の意味をより深く理解する。 最後に、双方向動的相互作用モジュールは、双極子と比喩の相互促進を可能にする。 一方、検出精度と信頼性を確保するため、検証機構が設計されている。 実験の結果、EmoBiは4つのデータセットですべてのベースラインメソッドを上回ります。 具体的には、現在の SoTA と比較して、F1 のスコアは TroFi データセットでのハイパーブート検出では 28.1% 、HYPO-L データセットでのメタファ検出では 23.1% 向上した。 これらの結果は深部分析に基づき,ハイパーボールの進展とメタファ検出に対するアプローチの有効性と可能性を明らかにした。

関連論文リスト

• EmoMeta: A Multimodal Dataset for Fine-grained Emotion Classification in Chinese Metaphors [16.510791655003096]
  中国語のマルチモーダルデータセットは、5000のテキストイメージ対の比喩広告を含んでいる。 各エントリは、メタファーの発生、ドメインの関係、きめ細かい感情分類のために慎重に注釈付けされる。
  論文  参考訳（メタデータ） (2025-05-12T10:23:39Z)
• Enriching Multimodal Sentiment Analysis through Textual Emotional Descriptions of Visual-Audio Content [56.62027582702816]
  マルチモーダル・センティメント・アナリティクスは、テキスト、音声、視覚データを融合することで人間の感情を解き放つことを目指している。 しかし、音声やビデオの表現の中で微妙な感情的なニュアンスを認識することは、恐ろしい挑戦だ。 テキストの感情記述に基づくプログレッシブ・フュージョン・フレームワークであるDEVAを紹介する。
  論文  参考訳（メタデータ） (2024-12-12T11:30:41Z)
• Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
  会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。 データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。 我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-19T08:47:50Z)
• Image Matters: A New Dataset and Empirical Study for Multimodal Hyperbole Detection [52.04083398850383]
  私たちはWeibo(中国のソーシャルメディア)からマルチモーダル検出データセットを作成します。 Weiboのテキストとイメージを2つのモダリティとして扱い、ハイパボラ検出におけるテキストとイメージの役割を探求する。 また、このダウンストリームタスクにおいて、事前訓練された異なるマルチモーダルエンコーダの評価を行い、その性能を示す。
  論文  参考訳（メタデータ） (2023-07-01T03:23:56Z)
• A Match Made in Heaven: A Multi-task Framework for Hyperbole and Metaphor Detection [27.85834441076481]
  ハイパボラとメタファーは日々のコミュニケーションで一般的である。 メタファーやハイパーボアを自動的に検出するための既存のアプローチは、これらの言語現象を独立して研究してきた。 ハイパーボラとメタファを同時に検出するマルチタスク深層学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-27T14:17:59Z)
• Target Guided Emotion Aware Chat Machine [58.8346820846765]
  意味レベルと感情レベルにおける投稿に対する応答の整合性は、人間のような対話を提供する対話システムにとって不可欠である。 この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-11-15T01:55:37Z)
• Metaphor Detection using Deep Contextualized Word Embeddings [0.0]
  本稿では, 単語埋め込み, 双方向LSTM, マルチヘッドアテンション機構からなるエンドツーエンド手法を提案する。 本手法では,フレーズの比喩性を検出するために,入力特徴として生のテキストシーケンスのみを必要とする。
  論文  参考訳（メタデータ） (2020-09-26T11:00:35Z)

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。