Bi-ISCA：用于检测用户生成噪声短文本中讽刺的双向句间上下文注意力机制
计算与语言
2021-04-21 v3
摘要
社交媒体平台上的许多在线评论带有仇恨、幽默或讽刺性质。这些评论（尤其是短评论）的讽刺本质改变了其实际隐含情感，导致现有情感分析模型产生误读。已有大量研究利用基于用户、主题和对话的信息检测文本中的讽刺，但利用句间上下文信息进行检测的工作尚不多见。本文提出一种全新的最先进(state-of-the-art)深度学习架构，其采用新颖的双向句间上下文注意力机制(Bi-ISCA)，仅利用对话上下文来捕捉句间依赖以检测用户生成短文本中的讽刺。所提深度学习模型展现出捕捉引发讽刺的显性、隐性与上下文不协调词句的能力。Bi-ISCA 在两个广泛使用的讽刺检测基准数据集（Reddit 与 Twitter）上取得了最先进结果。据我们所知，现有最先进模型中无一仅利用对话上下文、通过句间上下文注意力机制来检测用户生成短文本中的讽刺。
引用
@article{arxiv.2011.11465,
title = {Bi-ISCA: Bidirectional Inter-Sentence Contextual Attention Mechanism for Detecting Sarcasm in User Generated Noisy Short Text},
author = {Prakamya Mishra and Saroj Kaushik and Kuntal Dey},
journal= {arXiv preprint arXiv:2011.11465},
year = {2021}
}
备注
Paper under review