典型文献
基于RoBERTa的社交媒体会话中的讽刺检测模型
文献摘要：
讽刺是社会媒体中常用的修辞手法,在一些社交平台上(Twitter、Reddit)普遍存在,用比喻、夸张等方式对人或事进行否定、批评或嘲笑.讽刺检测任务对于理解人们实际的情感和信念至关重要.针对拥有会话上下文的目标文本进行讽刺检测,提出了一种基于RoBERTa的社交媒体会话中的讽刺检测模型.该模型主要由两个部分构成:前者是特征抽取层,采用更加鲁棒的迁移学习模型RoBERTa,对会话上下文文本和目标文本分别进行特征的学习;后者是特征融合层,由于目标文本是对会话上下文的回复,考虑到单纯的级联并不能很好地学习两者之间的对话关系,采用了改进版的attention-over-attention(AOA)注意力模型,使得目标文本可以关注到会话上下文中重要的信息.在公开的Twitter和Reddit两个数据集上进行了实验,验证了模型的有效性,还分析了对于目标文本的讽刺检测,有无会话上下文以及会话上下文数量的多少对模型性能的影响.
文献关键词：
自然语言处理;深度学习;讽刺检测;迁移学习;注意力机制;一维卷积;二分类
中图分类号：
作者姓名：
魏鹏飞;曾碧;廖文雄
作者机构：
广东工业大学 计算机学院,广州 510000
文献出处：
引用格式：
[1]魏鹏飞;曾碧;廖文雄-.基于RoBERTa的社交媒体会话中的讽刺检测模型)[J].计算机工程与应用,2022(13):164-170
A类：
讽刺检测
B类：
RoBERTa,社交媒体,会话,检测模型,修辞手法,社交平台,Twitter,Reddit,比喻,夸张,行否,嘲笑,解人,上下文,特征抽取,迁移学习,特征融合,回复,地学,对话关系,改进版,attention,over,AOA,注意力模型,注到,模型性能,自然语言处理,注意力机制,一维卷积,二分类
AB值：
0.313728
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
