基于多粒度语义交互理解网络的幽默等级识别
作者:张瑾晖; 张绍武; 林鸿飞; 樊小超; 杨亮
更新时间:
幽默在人们的日常交际中起着重要作用。随着人工智能的快速发展,幽默水平识别已成为自然语言处理领域的研究热点之一。现有的幽默水平识别研究往往将幽默文本视为一个整体,而忽略了幽默文本内部的语义关系。本文将幽默水平识别视为自然语言推理任务,将幽默文本分为铺垫和笑点,分别对其语义和语义关系进行建模,并提出了一个多粒度语义交互理解网络,从词和子句的粒度中捕捉幽默文本中的语义关联和交互。实验是在Reddit开放式幽默数据集上进行的。与之前的优化结果相比,该模型在语料库中的准确率提高了1.3%。实验表明,在幽默文本中引入语义关系信息可以提高模型的幽默识别性能,本文提出的模型也可以很好地模拟这种语义关系。