SaRoCo：在罗马尼亚语新闻文章新语料库上检测讽刺

在本工作中，我们引入了一个用于罗马尼亚语新闻讽刺检测的语料库。我们从多个真实与讽刺新闻来源收集了 55,608 篇公开新闻文章，构成了无论何种语言下最大的讽刺检测语料库之一，也是罗马尼亚语的唯一此类语料库。我们提供了文本样本的官方划分，使得训练新闻文章与测试新闻文章来自不同来源，从而确保模型不会仅因过拟合而取得高性能。我们使用两个最先进的深度神经模型进行实验，为我们新语料库建立了一组强基线。我们的结果表明，罗马尼亚语讽刺检测的机器级准确率（测试集上低于 73%）与人类级准确率（87%）相比相当低，为未来研究留下了充足的改进空间。