本研究探讨了幽默识别的多种方法,发现负面情感和以人为本的标题最具吸引力。通过卷积神经网络和Transformer模型,研究提高了幽默识别的准确性,并开发了多模态数据集用于幽默分类。此外,研究分析了视觉和语言线索对幽默的影响,提出了HumorDB数据集以增强视觉幽默理解能力。
本文综述多模态讽刺解释与检测研究,涵盖MOSES、MAF、TEAM、QUIET等模型,利用文本、图像及外部知识捕捉讽刺不一致性,并扩展至幽默识别与情感分析,多项实验显示其优于现有技术。
完成下面两步后,将自动完成登录并继续当前操作。