深层稠密连接的反讽检测
计算与语言
2019-11-20 v2
摘要
近期自动化反讽检测的研究高度关注上下文与元数据。尽管某些话语确实需要背景知识与常识推理，但以往工作仅探索了浅层模型来捕捉文本中存在的词汇、句法与语义线索。本文提出一个 56 层深层网络，采用稠密连接来建模孤立话语并提取其中更丰富的特征。我们将该方法与近期大量利用外部信息的先进架构进行比较，并在仅使用文本局部特征的情况下展示了具有竞争力的结果。此外，我们分析了先前卷积输出在生成最终特征图时的依赖关系。最后给出一个案例研究，表明我们的方法能准确分类标准 CNN 误分类的其它明显反讽用法。
引用
@article{arxiv.1911.07474,
title = {Deep and Dense Sarcasm Detection},
author = {Devin Pelser and Hugh Murrell},
journal= {arXiv preprint arXiv:1911.07474},
year = {2019}
}
备注
8 pages, 2 figures, plan to present paper at a conference