面向社交媒体的幽默计算理论与实践

幽默是人类独有的语言表达方式,具有幽默感的人可以构建和谐的交际氛围。如何识别社交媒体上的海量幽默文本和评价用户幽默感成为计算语言学领域面临的重大挑战。因此,我们从认知语言学的视角,提出从资源建设、幽默识别到幽默感评价的社交媒体幽默计算框架。首先,参照幽默的语义脚本理论,构建面向社交媒体的中文幽默语料库。然后,利用情感倾向性、语义不一致性及模糊性特征,对文本进行幽默识别。最后,从创作和欣赏两个维度进行用户的幽默感评价。幽默计算将有助于提升语言智能的水平,有助于提高阅读理解、人机对话、机器翻译等领域的应用性能。

词汇替换:一种计算机辅助幽默创作方法

为了缓解人们在生活压力下出现的心理亚健康,设计一个通过词汇替换自动生成幽默的方法。该方法将可以互相替换的词汇放在一个词汇集合中,称为语用群。语用群中的词汇需满足以下两个条件:同一个语用群中每个词汇的上位概念相同;同一个语用群中每个词汇在语言学中的用途相同。通过替换方法可以生成4种幽默类型:说反话型、答非所问型、明知故犯型、张冠李戴型。结果表明,句子中的某一个位置有细小变动就可能产生幽默效果。

基于深度学习的中文幽默计算

本文提出了一种基于Bi-LSTM和CNN的混合模型,并引入自注意力机制,使模型更好地理解幽默文本的语义,完成幽默计算的两个任务.通过实验,本文模型将中文幽默计算两个任务的F1值分别提高了近2%和5%.

中文短幽默文本的识别研究

幽默是一种特殊的语言表达形式,在生活中常常起到活跃气氛、化解尴尬的作用。针对短幽默文本背后潜在的语义结构进行了研究,为每种结构定义了一组特征,并建立计算模型进行幽默识别。作为对比实验,与基于文本内容特征的朴素贝叶斯幽默文本识别方法进行对比。实验结果表明提出的计算模型在一定程度上能够区分正常文本和幽默文本,同时挖掘出了一些幽默背后的潜在结构。

基于多粒度的分词消歧和语义增强的情景剧幽默识别

在自然语言理解领域中,幽默计算逐渐成为重要的研究内容。中文的幽默语言表达千变万化,情景喜剧是一种特殊的幽默表达方式,其含有丰富的幽默表达。为了解决中文幽默计算的问题,本文在图注意力网络的基础上提出一种基于分词消歧以及语义增强的幽默识别算法DISA-SE-GAT,并构建了一个基于《爱情公寓》的幽默情景喜剧数据集。在《我爱我家》幽默数据集以及《爱情公寓》幽默数据集上的实验结果显示,本文提出的多粒度消歧和语义增强模型DISA-SE-GAT在对文本幽默表达的识别问题上表现优异。

结合标签转移关系的多任务笑点识别方法

幽默在人类交流中扮演着重要角色,并大量存在于情景喜剧中。笑点(punchline)是情景喜剧实现幽默效果的形式之一,在情景喜剧笑点识别任务中,每条句子的标签代表该句是否为笑点,但是以往的笑点识别工作通常只通过建模上下文语义关系识别笑点,对标签的利用并不充分。为了充分利用标签序列中的信息,该文提出了一种结合条件随机场的单词级-句子级多任务学习方法,该方法在两方面进行了改进,首先将标签序列中相邻两个标签之间的转移关系看作幽默理论中不一致性的一种体现,并使用条件随机场学习这种转移关系。其次,由于通过相邻标签之间的转移关系以及上下文语义关系均能够学习到铺垫和笑点之间的不一致性,我们引入了多任务学习方法,让模型同时学习每条句子的句义、组成每条句子的所有字符的词义、单词级别的标签转移关系,以及句子级别的标签转移关系,使模型能够结合两种关系信息提高笑点识别的性能。该文在CCL2020“小牛杯”幽默计算——情景喜剧笑点识别评测任务的英文数据集上进行实验,结果表明,该文提出的方法比同期最好的方法F1值上提高了3.2%,在情景喜剧幽默笑点识别任务上取得了最好的效果,并通过消融实验证明了上述两方面改进的有效性。

机器自动生成“微博笑话”初探

随着微博,尤其是微博笑话的流行,利用计算机辅助人们自动生成微博笑话为计算幽默研究的发展提供了重要的契机。本文概述了计算幽默研究的历史和发展现状,提出了实现计算幽默的几种冲突构建方案。

幽默计算及其应用研究

幽默作为一种特殊的语言表达方式,是生活中活跃气氛、化解尴尬的重要元素。随着人工智能的快速发展,如何利用计算机技术识别和生成幽默成为自然语言处理领域热门的研究内容之一,并逐渐形成一个新兴研究领域:幽默计算。幽默计算致力于利用自然语言处理技术理解和识别包含幽默的文本表达,挖掘幽默表达潜在的语义内涵,构建面向幽默表达的计算模型。首先对当前幽默计算的背景进行概述,阐明幽默的可计算性和幽默计算对于人工智能的意义;在此基础上,对幽默研究的发展情况进行回顾,给出幽默研究的语言学基础;然后综述当前幽默计算在幽默识别和幽默生成两个方面的进展情况,分别给出针对幽默识别和幽默生成的计算框架;最后,对幽默计算在聊天机器人、机器翻译、儿童教育软件和外语教学等多个自然语言处理任务中的应用前景和应用模式进行展望。希望通过对幽默计算及其应用研究的总结和概述,完善现有幽默计算模型,增进计算机对于自然语言的理解,推动人工智能的进一步发展。