解释幽默风格分类：理解计算幽默分析的可解释人工智能方法

幽默风格可能对幸福感产生负面或正面影响。鉴于这些风格对心理健康的重要性，已有大量研究致力于其自动识别。然而，用于此目的的自动化机器学习模型是黑箱，使得其预测决策不透明。在心理健康领域，清晰度和透明度至关重要。本文提出了一个可解释人工智能（XAI）框架，用于理解幽默风格分类，建立在先前计算幽默分析工作的基础上。使用先前研究中性能最好的单一模型（ALI+XGBoost），我们应用全面的XAI技术来分析语言、情感和语义特征如何贡献于幽默风格分类决策。我们的分析揭示了不同幽默风格如何被表征和误分类的独特模式，特别强调了区分亲和幽默与其他风格的挑战。通过详细检查特征重要性、错误模式和误分类案例，我们识别了影响模型决策的关键因素，包括情感模糊性、上下文误解和目标识别。该框架在理解模型行为方面显示出显著效用，提供了对定义不同幽默风格的特征复杂相互作用的可解释洞察。我们的发现既有助于计算幽默分析的理论理解，也有助于心理健康、内容审核和数字人文研究的实际应用。