刻画讽刺与刻板印象：探索情感、主题与词汇特征
计算与语言
2023-11-09 v1
摘要
社交媒体已成为非常流行的信息来源。随着这种流行，人们对能够分类所产生信息的系统产生了兴趣。本研究试图创建这样一个检测 Twitter 用户中讽刺的系统。近期工作强调了词汇特征、情感特征及其中的对比，以及 TF-IDF 和主题模型的重要性。基于彻底的特征选择过程，所得模型包含来自这些领域的特定子特征。我们的模型达到了 0.84 的 F1 分数，高于基线。我们发现词汇特征，尤其是 TF-IDF，对我们模型的贡献最大，而情感和主题建模特征对整体性能的贡献较小。最后，我们强调了多条有趣且重要的进一步探索路径。
引用
@article{arxiv.2311.04885,
title = {Profiling Irony & Stereotype: Exploring Sentiment, Topic, and Lexical Features},
author = {Tibor L. R. Krols and Marie Mortensen and Ninell Oldenburg},
journal= {arXiv preprint arXiv:2311.04885},
year = {2023}
}