$R^3$：基于常识知识反序、检索与排序的讽刺生成方法
计算与语言
2020-06-18 v4 人工智能
机器学习
摘要
我们提出一种基于非讽刺输入句子的无监督讽刺生成方法。我们的方法采用检索-编辑框架来实现讽刺的两个主要特征：情感极性的反转，以及与上下文的语义不协调（上下文可包含说话者与听者之间共享的常识或世界知识）。先前关于讽刺生成的工作主要聚焦于上下文不协调，我们表明结合基于常识知识的情感反转与语义不协调可生成更高质量的讽刺。人工评估显示，我们的系统生成讽刺优于人类标注者的比例为 34%，优于强化混合基线的比例为 90%。
引用
@article{arxiv.2004.13248,
title = {$R^3$: Reverse, Retrieve, and Rank for Sarcasm Generation with Commonsense Knowledge},
author = {Tuhin Chakrabarty and Debanjan Ghosh and Smaranda Muresan and Nanyun Peng},
journal= {arXiv preprint arXiv:2004.13248},
year = {2020}
}
备注
Accepted at the 2020 Annual Conference of the Association for Computational Linguistics (ACL)