8、流行文化中的讽刺检测与新冠推文情感分析

流行文化中的讽刺检测与新冠推文情感分析

1. 流行文化中的讽刺检测

在流行文化领域，研究人员手动构建了一个语料库，其数据来源于一些热门喜剧节目的对话。为了进行讽刺检测，引入了并行深度长短期记忆网络（LSTM）架构。在设计时考虑到，当网络模块使用相同输入、相同调优参数，但最外层使用不同分类器时，模块之间的同质性会相互影响。

对训练数据的测试结果显示，两个独立模块表现出色，最高整体准确率达到了 98.95%。同时，在流行的公共讽刺语料库上进行传统测试时，两个独立模块在检测讽刺方面的准确率超过了 95%，其中最高准确率达到了 98.31%。

未来，研究人员计划不再部署四个深度神经网络模型来完成同质化的讽刺检测任务，而是打算开发一种模仿人类语句连续生成的方法，从随机用户输入的种子词开始，自动生成自然的讽刺对话。对于句子级别的讽刺，可借助注意力机制识别其影响区域，进而构建一个包含幽默、机智和反讽的上下文对话的有说服力的模型，以创建完全由深度神经网络生成的讽刺词汇表。

2. 新冠推文情感分析

2.1 研究背景

自 2019 年 12 月 31 日中国湖北省武汉市首次报告新冠疫情以来，新冠病毒迅速在全球蔓延。2020 年 3 月 11 日，世界卫生组织宣布新冠疫情为大流行。截至 2020 年 8 月 21 日，全球超过 188 个国家和地区报告了超过 2250 万例病例，死亡人数超过 79.2 万，不过也有 1440 万人康复。为了控制疫情，许多国家实施了严格的封锁措施。

在封锁期间，社交媒体平台在传播疫情信息方面发挥了重要作用，人们通过社交网络表达自己的感受。因此，研究人员开发了一种实验方法，通过分析推特