M2H2：一个用于对话中幽默识别的多模态多方印地语数据集
计算与语言
2021-08-04 v1
摘要
对话中的幽默识别是一项具有挑战性的任务，因其在对话理解（包括多模态环境，即文本、声学和视觉）中的重要性，近来受到广泛关注。现有的少数幽默数据集大多为英语。然而，由于多语言内容的巨大增长，构建支持多语言信息访问的模型和系统存在巨大需求。为此，我们提出了一个用于对话中多模态多方印地语幽默（M2H2）识别的数据集，包含来自一部非常受欢迎的电视剧《Shrimaan Shrimati Phir Se》13 集的 6,191 条话语。每条话语都标注了幽默/非幽默标签，并包含声学、视觉和文本模态。我们提出了几个强大的多模态基线，并展示了上下文和多模态信息对于对话中幽默识别的重要性。在 M2H2 数据集上的实证结果表明，多模态信息对单模态信息在幽默识别中起到了补充作用。该数据集和基线可在 http://www.iitp.ac.in/~ai-nlp-ml/resources.html 和 https://github.com/declare-lab/M2H2-dataset 获取。
引用
@article{arxiv.2108.01260,
title = {M2H2: A Multimodal Multiparty Hindi Dataset For Humor Recognition in Conversations},
author = {Dushyant Singh Chauhan and Gopendra Vikram Singh and Navonil Majumder and Amir Zadeh and Asif Ekbal and Pushpak Bhattacharyya and Louis-philippe Morency and Soujanya Poria},
journal= {arXiv preprint arXiv:2108.01260},
year = {2021}
}
备注
ICMI 2021