基于 Transformer 和原型的情境讽刺检测可解释模型
计算与语言
2026-04-21 v2
摘要
讽刺检测由于其修辞性质，为情感系统（旨在进行情感分析）带来独特的挑战。虽然这些系统在识别情感直接表达方面通常表现良好，但在处理讽刺在字面与意图情感之间的内在矛盾时却感到困难。鉴于基于 Transformer 的语言模型 (LM) 在捕获情境语义方面已知具有高效能力，本文提出了一种方法，利用 LM 和原型网络，辅以情感嵌入，以进行可解释的讽刺检测。我们的做法在无需额外后置可解释性技术的情况下即具内在可解释性。我们在三个公开基准数据集上进行测试，结果表明本模型超越了当前最先进的水平。同时，原型层通过生成类似示例的解释来增强模型的内在可解释性。我们还通过消融研究展示了使用情感原型构建的矛盾损失的有效性。
引用
@article{arxiv.2503.11838,
title = {A Transformer and Prototype-based Interpretable Model for Contextual Sarcasm Detection},
author = {Ximing Wen and Rezvaneh Rezapour},
journal= {arXiv preprint arXiv:2503.11838},
year = {2026}
}
备注
8 pages, 2 figures. Accepted by WASSA at EACL