[2022-11-27] 오늘의 자연어처리

Sarcasm Detection Framework Using Emotion and Sentiment Features

 

Sarcasm detection is an essential task that can help identify the actual sentiment in user-generated data, such as discussion forums or tweets. Sarcasm is a sophisticated form of linguistic expression because its surface meaning usually contradicts its inner, deeper meaning. Such incongruity is the essential component of sarcasm, however, it makes sarcasm detection quite a challenging task. In this paper, we propose a model which incorporates emotion and sentiment features to capture the incongruity intrinsic to sarcasm. Moreover, we use CNN and pre-trained Transformer to capture context features. Our approach achieved state-of-the-art results on four datasets from social networking platforms and online media.

 

빈정거림 탐지는 실제 상황을 식별하는 데 도움이 될 수 있는 필수 작업입니다. 토론 포럼이나 트윗과 같은 사용자 생성 데이터의 감정. 빈정거림 그것의 표면적인 의미 때문에 언어 표현의 정교한 형태이다. 대개는 내면의 깊은 의미와 모순된다. 이런 부조화는 그러나, 그것은 빈정거림의 필수적인 요소를 꽤 많이 발견하게 한다. 어려운 일 이 논문에서, 우리는 감정을 통합하는 모델을 제안한다. 풍자의 본질적인 부조화를 포착하기 위한 정서적 특징이 있습니다. 또한 CNN과 사전 훈련된 Transformer를 사용하여 컨텍스트 기능을 캡처한다. 우리의 접근 방식은 소셜의 4개 데이터 세트에서 최첨단 결과를 달성했다. 네트워킹 플랫폼과 온라인 미디어. 

 

 

Continual Learning of Natural Language Processing Tasks: A Survey

 

Continual learning (CL) is an emerging learning paradigm that aims to emulate the human capability of learning and accumulating knowledge continually without forgetting the previously learned knowledge and also transferring the knowledge to new tasks to learn them better. This survey presents a comprehensive review of the recent progress of CL in the NLP field. It covers (1) all CL settings with a taxonomy of existing techniques. Besides dealing with forgetting, it also focuses on (2) knowledge transfer, which is of particular importance to NLP. Both (1) and (2) are not mentioned in the existing survey. Finally, a list of future directions is also discussed.

 

연속 학습(CL)은 에뮬레이션을 목표로 하는 새로운 학습 패러다임이다. 지식을 끊임없이 배우고 축적하는 인간의 능력 이전에 배운 지식을 잊고 지식을 이전하는 것 새로운 작업을 더 잘 배울 수 있습니다. 이 설문조사는 종합적인 검토를 제공한다. NLP 분야에서 CL의 최근 진행 상황에 대한. (1) 모든 CL 설정을 다룹니다. 현존하는 기술들의 분류법으로. 잊어버리는 것을 다루는 것 외에도, 그것은. 또한 (2) 특히 중요한 지식 전달에 초점을 맞춘다. NLP. 기존 조사에서 (1)과 (2) 모두 언급되지 않았습니다. 마지막으로, 리스트 향후 방향에 대해서도 논의된다. 

 

 

Identifying gender bias in blockbuster movies through the lens of machine learning

 

The problem of gender bias is highly prevalent and well known. In this paper, we have analysed the portrayal of gender roles in English movies, a medium that effectively influences society in shaping people's beliefs and opinions. First, we gathered scripts of films from different genres and derived sentiments and emotions using natural language processing techniques. Afterwards, we converted the scripts into embeddings, i.e. a way of representing text in the form of vectors. With a thorough investigation, we found specific patterns in male and female characters' personality traits in movies that align with societal stereotypes. Furthermore, we used mathematical and machine learning techniques and found some biases wherein men are shown to be more dominant and envious than women, whereas women have more joyful roles in movies. In our work, we introduce, to the best of our knowledge, a novel technique to convert dialogues into an array of emotions by combining it with Plutchik's wheel of emotions. Our study aims to encourage reflections on gender equality in the domain of film and facilitate other researchers in analysing movies automatically instead of using manual approaches.

 

성 편견의 문제는 널리 퍼져 있고 잘 알려져 있다. 이 논문에서, 우리는 영국 영화에서 성 역할의 묘사를 분석했다. 사람들의 신념과 의견을 형성하는 데 있어 사회에 효과적으로 영향을 미친다. 첫번째, 우리는 다른 장르의 영화 대본과 파생된 정서를 모았다. 자연어 처리 기술을 사용한 감정 그 후에 우리는 개종했다. 임베딩에 대한 스크립트, 즉 텍스트를 다음과 같은 형태로 표현하는 방법 벡터를 입력합니다. 철저한 조사를 통해 남성에게서 특정 패턴을 발견했고 사회성에 부합하는 영화 속 여성 캐릭터들의 성격 특성 고정 관념 게다가, 우리는 수학과 기계 학습 기술을 사용했다. 그리고 남성들이 더 지배적이고 질투심이 많은 것으로 보이는 편견을 발견했다. 여성들이 영화에서 더 즐거운 역할을 하는 반면, 여성들은 여성들보다 더 즐거운 역할을 한다. 우리는 일을 하면서 우리가 아는 한 대화를 전환하는 새로운 기술을 도입하다. 플루틱의 감정의 수레바퀴와 결합함으로써 일련의 감정들로. 우리의 연구는 다음의 영역에서 양성평등에 대한 성찰을 장려하는 것을 목표로 한다. 대신 다른 연구자들이 자동으로 영화를 분석하는 것을 촬영하고 용이하게 한다. 수동 접근 방식을 사용합니다.