通过常识推理检测讽刺的情感不一致性

本文聚焦于讽刺检测，旨在识别给定语句是否传达了与字面意义相反的批评、嘲讽或其他负面情感。为了检测讽刺，人类通常需要全面理解语句的语义，甚至借助外部常识来推断细粒度不一致性。然而，现有方法在面对复杂现实场景时缺乏常识推理能力，导致性能不佳。为解决此问题，我们提出了一种新颖的讽刺检测框架，该框架基于常识增强进行不一致性推理，称为EICR。具体而言，我们首先采用检索增强的大语言模型来补充缺失但不可或缺的常识背景知识。为了捕捉复杂的上下文关联，我们构建了一个依赖图，并通过图优化获得优化拓扑。我们进一步引入了一个自适应推理骨架，该骨架整合了先验规则以显式提取情感不一致的子图。为了消除词与标签之间可能存在的虚假关系，我们采用对抗对比学习来增强检测器的鲁棒性。在五个数据集上进行的实验证明了EICR的有效性。