論文の概要: When Jokes Cross the Line: Analyzing Regular Humor and Dark Humor in YouTube Shorts

• arxiv url: http://arxiv.org/abs/2606.00046v1
• Date: Thu, 30 Apr 2026 21:45:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-07 20:42:22.511288
• Title: When Jokes Cross the Line: Analyzing Regular Humor and Dark Humor in YouTube Shorts
• Title（参考訳）: ジョークが横切るとき:YouTubeショートショートでいつものうなり声と暗黒のうなり声の分析
• Authors: Sydney Johns, Sanjeev Parthasarathy, Shantnu Bhalla, Vaibhav Garg,
• Abstract要約: TwistedHumorは、1211のYouTube Shortsと33,041の関連コメントを合わせたデータセットだ。 ビデオ記述よりもLLooMに基づく概念帰納法を用いることで、暗黒ユーモアは、批判、対処、違和感、アイデンティティ表現といったテーマによく集まることが分かる。 通常のユーモアはよりポジティブな感情に結びついているのに対し、暗いユーモアはより混ざり合い、中立的で、時にはより有害な反応を受けています。
• 参考スコア（独自算出の注目度）: 2.6307359124048566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video platforms such as YouTube have reshaped how users engage with entertainment and information, emphasizing brief, highly engaging content such as Shorts. Within this ecosystem, certain content occupies a gray area where it remains allowed but may still have unintended negative effects on some audiences. To study this problem, we introduce TwistedHumor, a dataset of 1,211 YouTube Shorts paired with 33,041 related comments, with hand annotations for humor presence, humor type, harm, topic, rhetorical devices, and stand up context. Beyond dataset creation, we present a multi view analysis of how humor and harm appear in short form social media. Using LLooM based concept induction over video descriptions, we find that dark humor frequently clusters around themes of critique, coping, awkwardness, and identity expression rather than appearing as a single uniform category. We further analyze audience response through linked comments and show that regular humor is associated with more positive sentiment, while dark humor receives more mixed, neutral, and sometimes more toxic reactions. Finally, we evaluate large language models against human annotations and find that they perform better on stand up comedy compared to shorter jokes. Together, these results position TwistedHumor not only as a new benchmark, but as an empirical study of the gray area between humor and harm in short form video, highlighting the need for context aware moderation and more robust multimodal evaluation.
• Abstract（参考訳）: YouTubeのようなビデオプラットフォームは、ユーザーがエンターテイメントや情報を扱う方法を変え、ショートズのような短くて魅力的なコンテンツを強調した。 このエコシステムの中では、あるコンテンツは依然として許可されているグレーの領域を占めているが、一部の視聴者には意図しないネガティブな影響があるかもしれない。 この問題を研究するために、TwistedHumorという、ユーモアの存在、ユーモアタイプ、害、トピック、修辞デバイス、スタンドアップコンテキストのための手書きアノテーションと、33,041の関連コメントを合わせた1,211のYouTube Shortsのデータセットを紹介した。 データセット作成以外にも、ソーシャルメディアでユーモアと害がどのように現れるのかを多視点で分析する。 ビデオ記述よりもLLooMに基づく概念誘導を用いることで、単一の一様カテゴリーとして現れるのではなく、批判、対処、違和感、アイデンティティ表現のテーマを中心に暗黒のユーモアがしばしば集結することがわかった。 さらに、リンクされたコメントを通じて聴衆の反応を分析し、通常のユーモアがよりポジティブな感情に結びついていることを示す一方、ダークユーモアはより混ざり合い、中立的で、時には有害な反応を受ける。 最後に、人間のアノテーションに対する大きな言語モデルの評価を行い、短いジョークに比べてスタンドアップコメディが優れていることを示す。 これらの結果は、TwistedHumorを新しいベンチマークとして位置づけるだけでなく、短いビデオにおけるユーモアと害の間の灰色の領域の実証的研究として、文脈認識のモデレーションとより堅牢なマルチモーダル評価の必要性を強調している。

関連論文リスト

• Engagement Undermines Safety: How Stereotypes and Toxicity Shape Humor in Language Models [55.98686105081078]
  大規模言語モデルは、クリエイティブな執筆やエンゲージメントコンテンツにますます使われ、アウトプットに対する安全性の懸念が高まっている。 本研究は, 現代のLLMパイプラインにおいて, ユーモア, 立体特異性, 毒性を測定することによって, 有害な内容とどのように結合するかを評価する。
  論文  参考訳（メタデータ） (2025-10-21T09:28:09Z)
• From Punchlines to Predictions: A Metric to Assess LLM Performance in Identifying Humor in Stand-Up Comedy [6.124881326867511]
  大きな言語モデルが広く採用されていることを踏まえ、ユーモアとAIの交わりは笑い事ではない。 本研究では,スタンドアップコメディの書き起こしからユーモラスな引用を正確に識別するモデルの有効性を評価する。 ユーモラスなパンチラインを抽出する能力について,様々なプロンプトの中からLLMを評価するために考案された新しいユーモラス検出指標を提案する。
  論文  参考訳（メタデータ） (2025-04-12T02:19:53Z)
• Can Language Models Laugh at YouTube Short-form Videos? [40.47384055149102]
  ユーザ生成したYouTubeから10Kのマルチモーダルな面白いビデオのデータセット、ExFunTubeをキュレートします。 GPT-3.5を用いたビデオフィルタリングパイプラインを用いて,ユーモアに寄与する言語的要素と視覚的要素の両方を検証する。 フィルタリング後、各ビデオにタイムスタンプとテキスト説明をアノテートします。
  論文  参考訳（メタデータ） (2023-10-22T03:01:38Z)
• 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)
• 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)
• DeHumor: Visual Analytics for Decomposing Humor [36.300283476950796]
  公言におけるユーモラスな行動を分析する視覚システムであるDeHumorを開発した。 それぞれの具体例の構成要素を直感的に明らかにするために、DeHumorはユーモラスな動画をマルチモーダルな特徴に分解する。 DeHumorはユーモアのユーモアの例として、さまざまなビルディングブロックをハイライトすることができる。
  論文  参考訳（メタデータ） (2021-07-18T04:01:07Z)

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。