This joke is [MASK] Recognizing Humor and Offense with Prompting

Abstract & Introduction

卖点

  • 作者研究了一种新的NLP迁移学习范式——提示学习，对幽默识别的有效性。
    • 低资源时，promp learning的性能 比fine-tuning 出色
    • 大量资源时，两者旗鼓相当
  • 作者通过影响函数（Influence function， IF）来分析幽默和冒犯之间的关系
    • 模型可以通过冒犯来判断是否幽默
    • 在幽默中检测冒犯可以利用IF来辅助

交代一些背景

  • 幽默调节人类交流，因此，通过计算建模，它有望改善人机交互体验
  • 正如幽默优越论所描述（激发幽默的原因是主体产生了对客体的藐视，嘲笑等优越行为），一些幽默识别数据集很可能包含令人反感的“幽默”内容，例如对女性的反感。这是不可取的，因为基于机器学习的NLP系统，例如虚拟助手，永远不应该对用户的“给我讲个笑话！”，产生冒犯的响应。因此，在对幽默进行计算建模时，识别、减轻和减少冒犯至关重要。

展开全文 >>

Reinforcement Guided Multi-Task Learning Framework for Low-Resource Stereotype Detection-ACL2022

Abstract

  • 大型预训练语言模型（PLM）变得越来越普遍，识别文本中的各种类型的偏差已成为焦点。

  • 先前的研究表明现有基准数据集存在重大的可靠性问题。然而，注释可靠的数据集需要准确理解刻板印象如何在文本中体现的细微差别。

  • [结构刻板印象]：这篇文章的作者注释了一个针对“刻板印象检测（Stereotype Detection）”的重点评估集，通过解构文本中刻板印象表现的各种方式来解决这些缺陷。

  • [多任务学习提高性能]：此外，作者提出了一个多任务模型，该模型利用大量数据丰富的邻近任务，如仇恨言论检测、攻击性语言检测、厌女检测等，以提高“刻板印象检测”的经验性能。

  • [强化学习选可靠的数据]：然后，作者提出了一个强化学习代理，它通过学习从相邻任务中识别对目标任务最有帮助的训练示例来指导多任务学习模型。

展开全文 >>

总访问量: | 总访客:

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

广州大学-研二-黄鹏龙 研究方向：[情感分析] [幽默计算]