基于神经网络基准的讽刺文本非上下文建模

自然的人机交互中最关键的组成部分之一是人工直觉及其对对话系统的影响。人类所具有的直觉能力无疑是非凡的，因此仍是人与机器人自然交流对话的最大挑战之一。在本文中，我们引入了一种新颖的概率建模框架，通过以人类标注的讽刺基准训练神经网络，来识别、分类和学习讽刺文本的特征。这对于建立一种全面的情感分析框架是必要的，该框架通过对语言线索的训练而对充满讽刺的文本的细微差别敏感。我们表明，我们的模型对此类真实世界标注数据提供了良好的拟合，具有达到甚至超越替代方案的准确性潜力。尽管实现与基准测试是一项广泛任务，但它可通过我们提出的相同方法扩展，以捕捉交流中不同形式的细微差别，并造就更自然和引人入胜的对话系统。