用于讽刺检测的 SOTA 大型语言模型评估
计算与语言
2023-12-08 v1 人工智能
摘要
正如 Merriam-Webster 所定义的，讽刺是某人使用与其试图表达的意思相反的词语。在自然语言处理的情感分析领域，正确识别讽刺的能力对于理解人们的真实观点是必要的。由于讽刺的使用通常基于上下文，以前的研究使用了语言表示模型，如支持向量机 (SVM) 和长短期记忆网络 (LSTM)，以利用基于上下文的信息来识别讽刺。NLP 的最新创新为检测讽刺提供了更多可能性。在《BERT：用于语言理解的深度双向 Transformers 预训练》中，Jacob Devlin 等人 (2018) 引入了一种新的语言表示模型，并在解释上下文化语言方面展示了更高的精度。如 Hazarika 等人 (2018) 所提出的，CASCADE 是一种上下文驱动的模型，在检测讽刺方面产生了良好的结果。本研究使用这两个 SOTA 模型分析了一个 Reddit 语料库，并评估了它们相对于基线模型的性能，以寻找讽刺检测的理想方法。
引用
@article{arxiv.2312.03706,
title = {An Evaluation of State-of-the-Art Large Language Models for Sarcasm Detection},
author = {Juliann Zhou},
journal= {arXiv preprint arXiv:2312.03706},
year = {2023}
}