基于并行深度学习的流行文化文本与英语幽默文学讽刺检测

讽刺是一种以幽默方式包裹任何内在真理、信息甚至嘲弄的精妙方式。使用社交网络的通信的出现大规模生产了新的社交途径。可以进一步说，幽默、反讽、讽刺与机智是现代社会中“有趣”的四大马车。在本文中，我们手动提取了一个基准流行文化讽刺语料库（包含讽刺性对话与独白）的讽刺词分布特征。我们生成由这些词的加权向量构成的输入序列。我们进一步提出四种并行深度长短期记忆网络（pLSTM）的融合，每种具有独特的激活分类器。这些模块主要旨在从文本语料库中成功检测讽刺。我们提出的讽刺检测模型在所用数据集训练时达到98.95%的训练准确率峰值。随后，在所有测试用例中，它在两个精心挑选的Project Gutenberg英语幽默文学上获得了98.31%的最高总体验证准确率。我们的方法在多个讽刺语料库上超越了先前的SOTA工作，并达成了讽刺检测的新标杆性能。