利用对话上下文的讽刺分析
计算与语言
2018-08-29 v2
摘要
用于讽刺检测的计算模型通常仅依赖孤立的话语内容。然而，若无额外上下文，说话者的讽刺意图并非总是明显。聚焦于社交媒体讨论，我们研究三个问题：（1）对对话上下文建模是否有助于讽刺检测；（2）我们能否识别触发讽刺回复的对话上下文的哪一部分；以及（3）给定一个包含多个句子的讽刺帖子，我们能否识别其中具体的讽刺句。针对第一个问题，我们研究了几种可同时建模对话上下文和当前话轮的 Long Short-Term Memory（LSTM）网络。我们表明，具有对上下文和当前话轮的句子级注意力的 LSTM 网络，以及条件 LSTM 网络（Rocktaschel et al. 2016），均优于仅读取当前话轮的 LSTM 模型。我们将前一话轮、后一话轮或两者均作为对话上下文。我们的计算模型在两类社交媒体平台（Twitter 和讨论论坛）上进行了测试。我们讨论了这些数据集之间从规模到金标签标注性质的数项差异。针对后两个问题，我们对带注意力的 LSTM 模型所产生的注意力权重进行了定性分析，并与人类在两项任务上的表现进行比较讨论。
引用
@article{arxiv.1808.07531,
title = {Sarcasm Analysis using Conversation Context},
author = {Debanjan Ghosh and Alexander R. Fabbri and Smaranda Muresan},
journal= {arXiv preprint arXiv:1808.07531},
year = {2018}
}
备注
Computational Linguistics (journal)