論文の概要: Jokes Aside: Measuring the Semantic Distance of Double Meanings

• arxiv url: http://arxiv.org/abs/2608.21087v1
• Date: Fri, 21 Aug 2026 13:31:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.553152
• Title: Jokes Aside: Measuring the Semantic Distance of Double Meanings
• Title（参考訳）: Jokes Aside: 二重意味のセマンティック距離の測定
• Abstract要約: 大規模言語モデルは、計算ユーモア研究のためのツールキットを著しく豊かにしている。 重要なイノベーション、文脈埋め込みベクターは、初期の仮説を再考し洗練する新たな機会を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models have significantly enriched the toolkit for computational humor research, particularly in the automated generation of jokes and puns. A key innovation, contextual embedding vectors, offers new opportunities to revisit and refine earlier hypotheses. Notably, Petrovic and Matthews (2013) proposed a joke generation model based on the scheme "I like my X like I like my Y, Z" (e.g. "I like my ice like I like my dreams, crushed"). They suggested that joke hilarity increases with: a) frequent association of Z with X and Y, b) rarity of Z, c) ambiguity of Z, and d) meaning distance between X and Y. Building on this, Winters et al. (2019) proposed a set of metrics, based on Google Ngrams and Word2Vector. In this work, three out of their five metrics are revisited with word embeddings: obviousness, compatibility, and comparison. Another measure, symmetry, defined as closeness of Z to both X and Y, is introduced here for the first time. Two models were used to collect the embedding vectors (OpenAI text-embedding-3-small and MiniLM all-MiniLM-L6-v2) on three datasets: JokeJudger, Expunations, and rJokes. The last two datasets, Expunations, and rJokes, were expanded by adding paired sentences that captured the ambiguous expression at the core of each joke in its two different meanings. Results revealed that models trained on the proposed metrics performed poorly in predicting humor ratings: on JokeJudger, the best model achieved 57.1% accuracy, below the 61.5% baseline, while performance on Expunations and rJokes was even lower. Nevertheless, the symmetry metric seems consistently associated with higher-rated jokes, suggesting it may capture a necessary -though not sufficient- property of humor.
• Abstract（参考訳）: 大規模言語モデルは、特にジョークや句の自動生成において、計算的ユーモア研究のためのツールキットを著しく豊かにしている。 重要な革新、文脈埋め込みベクトルは、初期の仮説を再検討し洗練する新たな機会を提供する。 ペトロビックとマシューズは2013年に、"I like my X like my Y, Z" (例: "I like my ice like my dreams, crushed")というスキームに基づいてジョーク生成モデルを提案した。 彼らはジョークの曖昧さは次のようになると示唆した。 a) Z と X と Y の頻繁な関連 b)Zの希薄性 c)Zの曖昧さ、及び Winters et al (2019)は、Google NgramsとWord2Vectorをベースにしたメトリクスセットを提案した。 この5つのメトリクスのうち3つは、単語の埋め込みによって再考される。 X と Y の両方に対する Z の閉度として定義されるもう1つの測度、対称性は、ここで初めて導入される。 埋め込みベクトル(OpenAI text-embedding-3-smallとMiniLM all-MiniLM-L6-v2)をJokeJudger、Expunations、rJokesの3つのデータセットで収集するために2つのモデルが使用された。 最後の2つのデータセットであるExpunationsとrJokesは、それぞれのジョークのコアで曖昧な表現を2つの異なる意味でキャプチャするペア付き文を追加することで拡張された。 JokeJudgerでは、最高のモデルは57.1%の精度を達成し、61.5%のベースライン以下であり、ExpunationsやrJokesのパフォーマンスはさらに低かった。 それにもかかわらず、対称性の計量は、高い評価されたジョークと一貫して関連しているようで、ユーモアの十分な性質は持たないが、必要かもしれないことを示唆している。

関連論文リスト

• PunGraph: Retrieval-Enhanced Phonetic-Semantic Graph Reasoning for Pun Understanding [15.938285037969315]
  名詞は、複数の意味を伝えるために音韻的類似性と意味的あいまいさを利用する、難解な図形言語である。 句理解のための検索強化知識グラフフレームワークである textbfPunGraph を提案する。 PunGraph は Unisyn 音声辞書、IPA および G2P 表現、WordNet 定義を用いて音声-意味語彙グラフを構築する。
  論文  参考訳（メタデータ） (2026-09-15T02:54:15Z)
• Fast Weight Attention for Continual Learning [75.34672054079408]
  リカレント高速記憶と選択状態空間モデルは、拡張コンテキストを固定サイズのリカレント状態に圧縮する。 正則化された二乗誤差回帰と負の内積目標の1次更新を導出する。 我々は、数値的に安定な正のデカイ再正規化とともに、繰り返し、マスクパラレル、チャンクパラレル形式を提供する。
  論文  参考訳（メタデータ） (2026-08-27T22:55:11Z)
• ZipSplat: Fewer Gaussians, Better Splats [89.08529100444004]
  本稿では,ガウス配置を画素グリッドから分離するトークンベースのフィードフォワードモデルZipSplatを提案する。 クロスアテンションとセルフアテンションはこれらのトークンを洗練させ、単一のトレーニングされたモデルは、再トレーニングせずに品質-効率曲線にまたがる。 ZipSplatは、画期的なポーズや内在的ポーズなしで動作しますが、DL3DVとRealEstate10Kに新しい状態を設定します。
  論文  参考訳（メタデータ） (2026-06-03T17:04:30Z)
• A Geometric Profile of Semantic Information in Text: Frame-Conditional Uniqueness and a Trade-Off Triangle for Scalar Summaries [0.0]
  テキストの文の埋め込み構造から意味的内容を測定するフレームワークを開発する。 推奨のランク正規化構成は、28の順序チェックのうち25をポイント推定としてパスする。 別個の変動結果は、幅座標を行列点過程の対数行列式に接続する。
  論文  参考訳（メタデータ） (2026-05-27T04:37:26Z)
• HumorGen: Cognitive Synergy for Humor Generation in Large Language Models via Persona-Based Distillation [13.570863502498336]
  本稿では,高品質なユーモアデータを生成する手法であるCognitive Synergy Frameworkを紹介する。 我々は6つの認知的ペルソナを配置し、与えられたプロンプトのために多様な喜劇的視点を合成する。 認知駆動型データは、ユーモア生成のためのアライメントアルゴリズムやモデルスケールよりもはるかに重要である。
  論文  参考訳（メタデータ） (2026-03-19T13:12:53Z)
• SegSplat: Feed-forward Gaussian Splatting and Open-Set Semantic Segmentation [114.57192386025373]
  SegSplatは、高速でフィードフォワードな3D再構成とリッチでオープンなセマンティック理解のギャップを埋めるために設計された、新しいフレームワークである。 この研究は、意味的に認識された3D環境の実践的でオンザフライな生成に向けた重要なステップである。
  論文  参考訳（メタデータ） (2025-11-23T10:26:38Z)
• Toward bilipshiz geometric models [16.340602897392447]
  点雲に対する一般的な不変ネットワークは双Lipschitz同値ではないことを示す。 次に、これらのネットワークがバイリプシッツ保証を得るためにどのように修正されるかを示す。
  論文  参考訳（メタデータ） (2025-11-13T08:18:22Z)
• Magnitude Matters: a Superior Class of Similarity Metrics for Holistic Semantic Understanding [1.14219428942199]
  本稿では,パラメータフリーで等級対応の類似度尺度を新たに提案し,厳密に評価する。 オーバーラップ類似性(OS)とハイパボリックタンジェント類似性(HTS)という2つの機能を紹介します。 結果が堅牢で一般化可能であることを確認するため,4つの最先端文埋め込みモデルを用いて包括的評価を行った。
  論文  参考訳（メタデータ） (2025-09-12T22:26:15Z)
• OccLE: Label-Efficient 3D Semantic Occupancy Prediction [68.60633561134571]
  OccLEはラベル効率のよい3Dセマンティック動作予測である。 イメージとLiDARを入力として取り、限られたvoxelアノテーションでハイパフォーマンスを維持する。 実験の結果,OccLE は Voxel アノテーションの10% しか使用せず,競争性能が向上していることがわかった。
  論文  参考訳（メタデータ） (2025-05-27T01:41:28Z)
• Revealing the Blind Spot of Sentence Encoder Evaluation by HEROS [68.34155010428941]
  文エンコーダ(SE)が類似する文ペアの種類は明らかでない。 HEROSは、ある規則に基づいて原文を新しい文に変換し、テキスト最小対を形成することによって構築される HEROS上の60以上の教師なしSEの性能を体系的に比較することにより,ほとんどの教師なしエンコーダが否定に敏感であることを明らかにする。
  論文  参考訳（メタデータ） (2023-06-08T10:24:02Z)
• Towards Robust Referring Image Segmentation [80.53860642199412]
  Referring Image (RIS)は、テキスト記述に基づいてオブジェクトマスクを出力する基本的な視覚言語タスクである。 我々はロバスト参照画像(R-RIS)というRISの新しい定式化を提案する。 既存のRISデータセットを負の文で拡張することで、3つのR-RISデータセットを作成します。 本稿では,トークンベースのビジョンと言語融合モジュールを備えた,RefSegformerと呼ばれるトランスフォーマーベースのモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-20T08:48:26Z)
• Hyperbolic Vision Transformers: Combining Improvements in Metric Learning [116.13290702262248]
  計量学習のための新しい双曲型モデルを提案する。 本手法のコアとなるのは、双曲空間にマッピングされた出力埋め込みを備えた視覚変換器である。 4つのデータセットに6つの異なる定式化を施したモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-03-21T09:48:23Z)
• Sentence Semantic Regression for Text Generation [25.16392119801612]
  本稿では文レベル言語モデリングに基づくセンテンス・セマンティック・レグレッション(textbfSSR)という新しいフレームワークを提案する。 アイデア推論では、textbfSSR-AR と textbfSSR-NonAR の2つのアーキテクチャが、文の意味的回帰を自動回帰的に実行するように設計されている。 表面実現の段階において、混合粒度文デコーダは、一貫性のあるテキストを生成するように設計されている。
  論文  参考訳（メタデータ） (2021-08-06T07:35:59Z)
• Uncertainty and Surprisal Jointly Deliver the Punchline: Exploiting Incongruity-Based Features for Humor Recognition [0.6445605125467573]
  ジョークを2つの異なるコンポーネントに分割します。セットアップとパンチラインです。 ユーモアの不整合理論に触発され、セマンティック不確実性を生み出す部分としてセットをモデル化する。 ますます強力な言語モデルによって、私たちはGPT-2言語モデルにパンチラインとともにセットアップをフィードすることができた。
  論文  参考訳（メタデータ） (2020-12-22T13:48:09Z)

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。