基于用户嵌入的上下文建模用于社交媒体讽刺检测
计算与语言
2016-07-06 v2 人工智能
摘要
我们引入了一种用于自动讽刺检测的深度神经网络。近期工作强调模型需要利用上下文特征，而不仅仅是话语中的词汇和句法线索。例如，不同说话者往往针对不同的主题使用讽刺，因此讽刺检测模型应当编码此类说话者信息。当前方法通过繁琐的特征工程实现这一点。相比之下，我们提出自动学习并利用用户嵌入（user embeddings），将其与词汇信号结合使用以识别讽刺。我们的方法不需要精细的特征工程（以及伴随的数据抓取）；拟合用户嵌入仅需他们先前发帖的文本。实验结果表明，我们的模型优于利用大量精心构造特征的当前最优(state-of-the-art)方法。
引用
@article{arxiv.1607.00976,
title = {Modelling Context with User Embeddings for Sarcasm Detection in Social Media},
author = {Silvio Amir and Byron C. Wallace and Hao Lyu and Paula Carvalho Mário J. Silva},
journal= {arXiv preprint arXiv:1607.00976},
year = {2016}
}
备注
published as a conference paper at CONLL 2016