基于动态常识推理与多维语义特征的幽默识别

作     者：吐妮可·吐尔逊 闵昶榮 林鸿飞 张冬瑜 杨亮 Tuerxun·TUNIKE;MIN Changrong;LIN Hongfei;ZHANG Dongyu;YANG Liang

作者机构：大连理工大学计算机科学与技术学院辽宁大连116024 大连理工大学软件学院辽宁大连116620 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2024年第38卷第3期

页      面：163-172页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62076046 62076051 62376051) 

主　　题：幽默识别 常识推理 模糊理论 注意力机制 

摘      要：随着社交媒体的飞速发展,幽默识别任务受到研究者广泛关注。其目标是判断给定文本是否具有幽默表达。现有方法主要基于幽默产生理论,采用规则或神经网络模型提取多种幽默相关特征,如不一致性、情感和语音等。然而,这些方法未充分捕捉文本内部的情感特征,忽视了隐含在幽默文本中的情感表达,影响了幽默识别的准确性。为解决此问题,该文提出了CMSOR方法,以动态常识和多维语义特征为驱动。首先,利用外部常识信息从文本中动态推理说话者的隐式情感表达;然后,引入WordNet词典计算词级语义距离,捕捉不一致性,并计算模糊性特征;最后,基于这三个特征维度构建幽默语义,实现幽默识别。实验证明,CMSOR模型相对于当前基准模型在三个公开数据集上的识别性能均有显著提升。