利用大型语言模型进行讽刺检测中的讽刺语音标注
计算与语言
2026-04-21 v2 声音
音频与语音处理
摘要
讽刺通过语调和语境从根本上改变了含义，然而由于数据稀缺，在语音中检测讽刺仍然是一个挑战。此外，现有的检测系统通常依赖多模态数据，限制了它们在仅有语音可用时的适用性。为了解决这个问题，我们提出了一种利用大型语言模型（LLMs）生成讽刺数据集的标注流水线。使用公开可用的以讽刺为主题的播客，我们采用 GPT-4o 和 LLaMA 3 进行初始讽刺标注，随后通过人工验证来解决分歧。我们通过在公开可用的讽刺数据集上使用协作门控架构比较标注质量和检测性能来验证这种方法。最后，我们介绍了 PodSarc，一个通过该流水线创建的大规模讽刺语音数据集。检测模型达到了 73.63% 的 F1 分数，证明了该数据集作为讽刺检测研究基准的潜力。
引用
@article{arxiv.2506.00955,
title = {Leveraging Large Language Models for Sarcastic Speech Annotation in Sarcasm Detection},
author = {Zhu Li and Yuqing Zhang and Xiyuan Gao and Shekhar Nayak and Matt Coler},
journal= {arXiv preprint arXiv:2506.00955},
year = {2026}
}
备注
Interspeech 2025; Project page: https://github.com/Abel1802/PodSarc