Sarcasm detection论文解析 |# 利用情感语义增强型多层次记忆网络进行讽刺检测

原创 已于 2024-05-05 21:33:40 修改 · 1.4k 阅读 · 27 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #神经网络 #nlp #自然语言处理

于 2024-05-05 20:30:00 首次发布
研究人员提出MMNSS模型，通过情感语义记忆网络捕捉讽刺表达特征，结合改进的CNN处理局部信息，实现在IAC和Twitter数据集上的讽刺检测效果提升。

论文地址

论文地址：https://www.sciencedirect.com/science/article/abs/pii/S0925231220304689?via%3Dihub#/

论文首页

笔记框架

利用情感语义增强型多层次记忆网络进行讽刺检测

📅出版年份:2020
📖出版期刊:Neurocomputing
📈影响因子:6
🧑文章作者:Ren Lu,Xu Bo,Lin Hongfei,Liu Xikai,Yang Liang
📍 期刊分区:JCR分区: Q2 中科院分区升级版: 计算机科学2区 中科院分区基础版: 工程技术2区 影响因子: 6.0 5年影响因子: 6.0 EI: 是 CCF: C 南农高质量: B

🔎摘要:

讽刺检测是情感分析中一项具有挑战性的自然语言处理任务。现有的基于深度学习的讽刺检测模型没有充分考虑情感语义，但是情感语义对于提高

最低0.47元/天 解锁文章
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
【全面】人工智能技术栈与学习路线：机器学习 深度学习 视觉 NLP 推荐系统
热门推荐
cv君的博客
08-19 2万+
文章目录一 概述(本文原创)二 人工智能编程语言/数据结构与算法三 人工智能基础原理四 智能信息获取（简称爬虫） 与数据分析1、发起请求3、解析内容4、保存数据二、Requests库介绍2.1基本介绍requests的基本使用流程三、selenium四：效率问题五：资源浪费六：能被识别七、scrapy框架八、Bs4整体使用步骤九、字段匹配方案十：数据存储与队列任务（MongoDB与Rabbitmq）十一、总结requests vs Scrapy两个方法看情况用相同点五 统计学原理/离散数学/概率论与数理统计
【论文阅读】Multi-Modal Sarcasm Detection via Cross-Modal Graph Convolutional Network 嘲讽检测，多模态，跨模态，图神经网络
me_yundou的博客
02-20 4201
ACL 2022 论文阅读：Multi-Modal Sarcasm Detection via Cross-Modal Graph Convolutional Network 嘲讽检测，多模态，跨模态，图神经网络。本博客系博主根据个人理解所写，非逐字逐句翻译，预知详情，请参阅论文原文。
讽刺检测
02-04
SARCASM检测 档案： nlp_report.pdf：包含有关开发的所有详细信息的项目报告。 GetTweets.py-运行此命令将基于查询nonsarcasmfull.csv生成讽刺或非讽刺性推文数据-包含由GetTweets.py产生的所有非讽刺性推文数据sarcasmfull.csv-包含由GetTweets产生的所有讽刺性推文数据.py preprocess.py-获取上述csv文件并对其进行预处理，并生成干净的数据nonsarcpreproc.npy-preprocess.py生成的干净的非讽刺性推文数据sarcpreproc.npy-preprocess.py生成的干净的
反讽检测(Sarcasm Detection)
TianHongZXY的博客
12-08 5240
最近在看反讽检测的文章，才读了几篇，写一下小结，看得还是挺费劲，也挺懵的，写个阅读笔记，让自己好好重新理解一下。 Towards Multimodal Sarcasm Detection 第一篇读的是Towards Multimodal Sarcasm Detection (An Obviously Perfect Paper) ，标题就很有意思，斜体的Obviously就是在这就带有自嘲，反语的...
Sarcasm detection论文解析 |基于情感背景和个人表达习惯的有效讽刺检测方法
YuZhou的博客
05-06 1423
现有的讽刺检测方法主要集中于使用各种自然语言处理技术来分析讽刺的文本内容。本文认为，检测讽刺的本质问题是联系其上下文，包括回复目标文本的文本情绪和用户的表达习惯。提出了一种双通道卷积神经网络，不仅可以分析目标文本的语义，还可以分析其情感背景。此外，SenticNet还用于为长短期记忆（LSTM）模型添加常识。然后应用注意力机制来考虑用户的表达习惯。
SarcasmDetection：使用神经网络对推文进行Sarcasm检测
02-06
先决条件： nltk（TweetTokenizer） 凯拉斯张量流麻木科学的gensim（如果您使用的是word2vec） itertools 克隆存储库： git clone ：AniSkywalker / SarcasmDetection.git cd SarcasmDetection / src / 您可以在以下链接中找到经过训练的模型文件 在/ resource / text_model / weights /中下载经过训练的模型 运行脚本： python sarcasm_detection_model_CNN_LSTM_DNN.py 如果要使用自己的数据训练模型，可以将“训练，开发
Sarcasm detection论文解析 |使用基于多头注意力的双向 LSTM 进行讽刺检测
YuZhou的博客
05-04 1329
我们提取了最重要的特征，并建立了一个特征丰富的 SVM，其性能优于这些模型。在本文中，我们引入了基于多头注意力的双向长短记忆（MHA-BiLSTM）网络来检测给定语料库中的讽刺性评论。实验结果表明，多头注意力机制提高了 BiLSTM 的性能，其表现优于特征丰富的 SVM 模型。
【AI视野·今日NLP 自然语言处理论文速览 第六期】Fri, 11 Jun 2021
TomRen
06-13 782
AI视野·今日CS.NLP 自然语言处理论文速览 Fri, 11 Jun 2021 Totally 37 papers ????上期速览✈更多精彩请移步主页 Daily Computation and Language Papers ImaginE: An Imagination-Based Automatic Evaluation Metric for Natural Language Generation Authors Wanrong Zhu, Xin Eric Wang, An Yan
Sarcasm Detection with Self-matching Networks and Low-rank Bilinear Pooling
Lynch的博客
12-04 722
Sarcasm Detection with Self-matching Networks and Low-rank Bilinear Pooling click here：文章下载 方法综述： 本文中使用了三个模型，分别是self-matching network、Bi-LSTM、Low-rank Bilinear Pooling method(LBPR)： self-matching netw...
情感分析与讽刺检测
02-18
情感分析与讽刺检测
情感分析综述_论文5篇.rar
08-23
对用户的评论进行分析，主观性句子识别，情感分析等研究思路
awesome-sentiment-analysis:真棒情感分析论文的阅读清单
03-19
真棒情感分析论文的阅读清单 自将近20年来首次将情感分析作为一项任务引入以来，情感分析作为一个领域已经走了很长一段路。仅举几例，它在诸如营销，风险管理，市场研究和政治等各个领域中都有广泛的商业应用。鉴于其在特定子任务（例如情感极性分类）和数据集中的饱和度，人们有一个潜在的认识，即该领域已经成熟。 有兴趣了解我们使用以下论文作为指南针来应对当前该领域的挑战和未来方向吗？ 阅读本文- Soujanya Poria，Devamanyu Hazarika，Navonil Majumder和Rada Mihalcea。 IEEE情感计算交易（2020）。 引文 如果您发现此存储库对您的研究有用，则可以引用下面的文章，其中我们简要介绍了情绪分析的进展，并进一步解决了该领域的主要挑战和新方向。 Soujanya Poria，Devamanyu Hazarika，Navonil Majumder和Rad
CASCADE: Contextual Sarcasm Detection in Online Discussion Forums(2018)论文笔记
渐渐遗忘的记忆
01-09 853
本文提出了一种新的综合性的模型结构：CASCADE(ContextuAl SarCAsm DEtector)，它充分利用了每条文本的上下文信息，包括： 文本的用户信息（用户文体风格信息+用户个性信息）； 文本的主题信息。 CASCADE模型的大致流程如下： 构建用户嵌入：首先利用每个用户的历史文本得到用户的写作风格嵌入和用户个性嵌入，并利用典型相关分析（CCA）将两个向量融合到一起得到用户嵌...
SemEval-2022 Task 6 有意讽刺检测
Leon14138的博客
08-04 980
SemEval-2022 Task6工作简单介绍，Subtask C-English排名第三！
Sarcasm detection论文解析 |基于混合自动编码器的模型对社交媒体平台进行讽刺检
最新发布
YuZhou的博客
05-10 1131
早先已经提出了各种单独的自然语言处理技术，但每种技术都有文本上下文和邻近性的限制。它们无法处理不同的内容类型。在本研究论文中，我们使用自动编码器提出了一种基于句子嵌入的新型混合技术。该框架建议使用来自长短期记忆自动编码器、双向编码器表示变换器和通用句子编码器的句子嵌入。此外，还考虑了图像上的文本，以处理图像和视频等多媒体内容。在对各种混合融合模型进行消融研究后，设计出了最终框架。
Sarcasm detection论文解析 |CAT-BiGRU
YuZhou的博客
05-07 1174
SDS 是讽刺的一种特殊类别，主要用作产品宣传和营销的有效工具。在本文中，我们提出了一种用于 SDS 检测的新型 CAT-BiGRU 模型。所提出的模型由输入、嵌入、卷积、BiGRU 和两个注意力层组成，并从不同角度对七个数据集进行评估。 CAT-BiGRU 的实验结果很有希望，并且与各种基于神经网络的基线和最先进的方法相比明显更好。这种新型 SDS 检测技术的主要目的之一是增强基于 SDS 的营销策略。
基于逻辑回归的讽刺文本检测
m0_46156675的博客
12-03 1122
本实验使用逻辑回归模型实现对讽刺文本的检测，实验目的和实验步骤详细的讲述了实验的过程
Sarcasm detection论文解析 |基于语义知识和辅助信息增强讽刺检测方法
YuZhou的博客
05-09 1279
由于中文自身的特点，中文中的讽刺语言检测更加困难。为了缓解中文讽刺检测的这一困境，我们提出了一种语义和辅助增强注意力神经模型--SAAG。在词的层面，我们引入语义知识来增强中文词的表征学习。词素是词义的最小单位，是对词的精细刻画。在句子层面，我们利用一些辅助信息（如新闻标题）来学习讽刺表达的语境和背景表示。然后，我们逐步、动态地构建文本表达的表征。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

伪_装

您的支持，是我持续创作的光

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值