潜在语义空间数据驱动归纳与传统分类器用于讽刺检测的效力
计算与语言
2019-12-09 v4 机器学习
机器学习
摘要
反讽与讽刺是两种复杂的语言现象，广泛用于日常语言尤其是社交媒体中，但它们对自动化文本理解构成了两个严重问题。为完成该任务已从多个来源提取了许多标注语料库，且讽刺似乎在不同领域以不同方式传达。然而，针对可用语料库比较不同方法的工作极少。此外，通常每位作者收集并使用自己的数据集来评估其方法。在本文中，我们表明讽刺检测可通过将经典机器学习算法应用于以潜在语义空间亚符号表示的输入文本来解决。主要结果是我们的研究为讽刺检测问题建立了参考数据集与基线，可服务于科学界以测试新提出的方法。
引用
@article{arxiv.1904.04019,
title = {Effectiveness of Data-Driven Induction of Semantic Spaces and Traditional Classifiers for Sarcasm Detection},
author = {Mattia Antonino Di Gangi and Giosué Lo Bosco and Giovanni Pilato},
journal= {arXiv preprint arXiv:1904.04019},
year = {2019}
}
备注
37 pages, 7 figures, version 4