利用无标注对话上下文增强讽刺检测数据
计算与语言
2020-06-12 v1
摘要
我们提出了一种新颖的数据增强技术 CRA（Contextual Response Augmentation，上下文响应增强），其利用对话上下文生成有意义的训练样本。我们还通过更改模型的输入-输出格式来缓解上下文长度不平衡的问题，使其能有效处理变化的上下文长度。具体而言，我们使用所提出的数据增强技术训练的模型参与了 FigLang2020 的讽刺检测任务，取得了优胜，并在 Reddit 和 Twitter 数据集上均实现了最佳性能。
引用
@article{arxiv.2006.06259,
title = {Augmenting Data for Sarcasm Detection with Unlabeled Conversation Context},
author = {Hankyol Lee and Youngjae Yu and Gunhee Kim},
journal= {arXiv preprint arXiv:2006.06259},
year = {2020}
}