AITOP

讽刺检测

共 2 条相关 AI 资讯
7月20日
09:23
09:23官方账号arXiv cs.AI@Bhavana Verma, Priyanka Meel, Dinesh Kumar Vishwakarma
论文提出HCIG和GCCN两个新框架，以建模文本与图像之间的多粒度语义不一致。在MMSD讽刺检测基准上，HCIG达到85.74%准确率和85.29%宏F1。在MultiBully网络霸凌数据集上，GCCN宏F1为68.66%，HCIG准确率69.62%、霸凌类F1 74.90%。实验表明分层多粒度不一致建模优于传统融合策略，为多模态推理提供有效方法。
论文HCIGGCCNMMSD
推荐理由：这篇论文提出了HCIG和GCCN，在MMSD和MultiBully上分别达到85.74%和69.62%准确率，比传统融合方法更善于捕捉图文矛盾。
原文
6月16日
10:43
10:43官方账号arXiv cs.AI@Ankit Bhattacharjee, Krityapriya Bhaumik
RDS Fusion是一种混合神经符号架构，通过压缩链式思维（CoT）推理轨迹实现零样本讽刺检测，无需监督微调。在TweetEval测试集（N=734）上，RDS取得78.1%准确率和0.777宏F1，匹配微调BERTweet的性能上限。在严重不平衡的iSarcasm数据集上，其冻结CoT管道过滤了22.5%的分布外幻觉，零样本宏F1达0.6726，Ironic F1为0.4821，优于多个有监督SemEval集成模型。统计消融实验表明，仅当三种信号完全融合时才产生显著改善（p=0.005）。
论文RDS Fusion讽刺检测混合神经符号
推荐理由：这篇论文提出了RDS Fusion，不用微调就能在讽刺检测上达到和微调BERTweet一样的水平，还在难数据集上比很多监督方法强。
原文