Key points are not available for this paper at this time.
풍자는 이해하기 어려운 인간 표현의 한 형태로서 독특한 도전 과제를 제시합니다. 풍자 인식 문제는 개별 발화를 독립적으로 분석하는 데 중점을 두어 화자의 풍자적 의도를 종합적으로 파악하는 데 한계가 있었습니다. 본 연구는 풍자에 기여하는 특정 맥락적 단서를 탐구하고 이해함으로써 이 문제에 접근합니다. 본 논문에서는 맥락적 특징을 활용한 향상된 풍자 인식 방법을 제안합니다. 연구 방법론으로는 사전 학습된 트랜스포머 모델인 RoBERTa와 DistilBERT를 사용하고, News Headlines와 Mustard 두 데이터셋에 대해 미세 조정했습니다. 맥락 정보를 통합한 결과, News Headlines 데이터셋에서는 99%의 인상적인 F1 점수, Mustard 데이터셋에서는 90%의 F1 점수를 달성하며 최고 성능을 보였습니다. 또한 맥락을 간결한 짧은 문장으로 요약하는 실험을 수행하였으며, 이를 통해 학습 시간이 원래 대비 35.5% 단축되었습니다. News headlines 데이터셋으로 학습된 모델을 Reddit 데이터셋에 적용하여 검증한 결과, 맥락 데이터 없이 49%의 F1 점수를 기록했으나, 맥락 데이터를 포함할 경우 F1 점수가 75%까지 급상승하였습니다. 제안된 방법은 다양한 맥락 설정에서 풍자를 보다 정확하게 이해하도록 하여, 정서 분석과 다양한 응용 분야에서의 의사 결정 개선에 기여합니다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Nivin A. Helal
Ahmed Hassan
Nagwa Badr
Scientific Reports
Ain Shams University
Building similarity graph...
Analyzing shared references across papers
Loading...
Helal 등(목요일,)이 이 질문을 연구했습니다.
www.synapsesocial.com/papers/68e615d4b6db6435875a8232 — DOI: https://doi.org/10.1038/s41598-024-65217-8
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: