灾难情境下的讽刺检测
计算与语言
2023-08-17 v1 机器学习
摘要
在自然灾害期间，人们常使用Twitter等社交媒体平台求助、提供灾情信息，或表达对事件进展或公共政策与指南的蔑视。这种蔑视在某些情况下以讽刺或反语表达。在以灾难为中心的情境中理解此类言语，对提升灾难相关推文的自然语言理解至关重要。本文引入HurricaneSARC，一个包含15,000条标注了意图讽刺的推文的数据集，并基于预训练语言模型对讽刺检测进行了全面研究。我们的最佳模型在数据集上取得高达0.70的F1值。我们还证明，通过利用中间任务迁移学习可提升在HurricaneSARC上的性能。我们在https://github.com/tsosea2/HurricaneSarc发布了数据与代码。
引用
@article{arxiv.2308.08156,
title = {Sarcasm Detection in a Disaster Context},
author = {Tiberiu Sosea and Junyi Jessy Li and Cornelia Caragea},
journal= {arXiv preprint arXiv:2308.08156},
year = {2023}
}