論文の概要: A Survey of Pun Generation: Datasets, Evaluations and Methodologies
- arxiv url: http://arxiv.org/abs/2507.04793v1
- Date: Mon, 07 Jul 2025 09:12:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:35.349605
- Title: A Survey of Pun Generation: Datasets, Evaluations and Methodologies
- Title（参考訳）: パンの発生に関する調査 : データセット, 評価, 方法論
- Authors: Yuchen Su, Yonghua Zhu, Ruofan Wang, Zijian Huang, Diana Benavides-Prado, Michael Witbrock,
- Abstract要約: パン世代は、ユーモアや二重の意味を誘発するために、文章の中で言語要素を創造的に修正しようと試みている。
また、コヒーレンスとコンテキスト的適切性を維持することを目的としており、様々なメディアやコンテキストにわたるクリエイティブな執筆やエンターテイメントに有用である。
- 参考スコア（独自算出の注目度）: 12.556456134606565
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pun generation seeks to creatively modify linguistic elements in text to produce humour or evoke double meanings. It also aims to preserve coherence and contextual appropriateness, making it useful in creative writing and entertainment across various media and contexts. Although pun generation has received considerable attention in computational linguistics, there is currently no dedicated survey that systematically reviews this specific area. To bridge this gap, this paper provides a comprehensive review of pun generation datasets and methods across different stages, including conventional approaches, deep learning techniques, and pre-trained language models. Additionally, we summarise both automated and human evaluation metrics used to assess the quality of pun generation. Finally, we discuss the research challenges and propose promising directions for future work.
- Abstract（参考訳）: パン世代は、ユーモアや二重の意味を誘発するために、文章の中で言語要素を創造的に修正しようと試みている。
また、コヒーレンスとコンテキスト的適切性を維持することを目的としており、様々なメディアやコンテキストにわたるクリエイティブな執筆やエンターテイメントに有用である。
句の生成は、計算言語学においてかなりの注目を集めているが、現在、この特定の領域を体系的にレビューする専用の調査は行われていない。
このギャップを埋めるために,本論文では,従来のアプローチ,ディープラーニング技術,事前学習言語モデルなど,さまざまな段階にわたる句生成データセットと手法の包括的なレビューを行う。
さらに,パント生成の質を評価するために使用される自動評価指標と人的評価指標を要約する。
最後に,研究課題について論じ,今後の研究に向けた将来的な方向性を提案する。
関連論文リスト
- A Survey on Natural Language Counterfactual Generation [7.022371235308068]
自然言語のカウンターファクト生成は、修正されたテキストが別のクラスに分類されるように、与えられたテキストを最小限に修正することを目的としている。
生成手法を4つのグループに体系的に分類し、生成品質を評価するための指標を要約する新しい分類法を提案する。
論文 参考訳（メタデータ） (2024-07-04T15:13:59Z) - An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。
言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文 参考訳（メタデータ） (2022-11-10T14:26:43Z) - 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) - A Survey on Retrieval-Augmented Text Generation [53.04991859796971]
Retrieval-augmented text generationは顕著な利点があり、多くのNLPタスクで最先端のパフォーマンスを実現している。
まず、検索拡張生成の一般的なパラダイムを強調し、異なるタスクに応じて注目すべきアプローチをレビューする。
論文 参考訳（メタデータ） (2022-02-02T16:18:41Z) - Deep Learning for Text Style Transfer: A Survey [71.8870854396927]
テキストスタイル転送は、生成したテキストの特定の属性を制御することを目的として、自然言語生成において重要なタスクである。
2017年の最初のニューラルテキストスタイル転送作業以降,100以上の代表的な記事を対象とした,ニューラルテキストスタイル転送の研究の体系的な調査を行う。
タスクの定式化、既存のデータセットとサブタスク、評価、並列データと非並列データの存在下での豊富な方法論について論じる。
論文 参考訳（メタデータ） (2020-11-01T04:04:43Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳（メタデータ） (2020-10-14T17:54:42Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z) - QURIOUS: Question Generation Pretraining for Text Generation [13.595014409069584]
本稿では,テキスト生成目標に適合する事前学習手法として質問生成を提案する。
本手法で事前訓練したテキスト生成モデルは,入力の本質を理解するのが得意であり,目的タスクに適した言語モデルである。
論文 参考訳（メタデータ） (2020-04-23T08:41:52Z)
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。