基于图注意力网络的感知与意图讽刺检测
计算与语言
2021-10-11 v1
摘要
现有的讽刺检测系统侧重于利用语言标记、上下文或用户级先验。然而，社会研究表明，作者与受众之间的关系对于讽刺的使用和解读同样相关。在这项工作中，我们提出了一个框架，联合利用（1）来自用户历史推文的用户上下文，以及（2）交互图中用户对话邻域的社交信息，以对帖子解读进行语境化。我们在对话线程中的用户和推文上使用图注意力网络（GAT），并结合稠密的用户历史表示。除了在最近发布的包含19k Twitter用户和30K标注推文、并添加10M未标注推文作为上下文的数据集上取得最先进结果外，我们的结果表明，该模型对解读作者的讽刺意图的贡献大于预测他人对讽刺的感知。
引用
@article{arxiv.2110.04001,
title = {Perceived and Intended Sarcasm Detection with Graph Attention Networks},
author = {Joan Plepi and Lucie Flek},
journal= {arXiv preprint arXiv:2110.04001},
year = {2021}
}