算法可以检测讽刺吗[关闭]

Question

我被要求编写一个算法来检测讽刺，但我在逻辑中发现了一个缺陷（或看起来像一个缺陷）。

例如，如果一个人说

A：我喜欢贾斯汀·比伯。你喜欢他吗？

B：是的。当然。 我绝对爱他。

现在这可能被认为是讽刺与否，唯一知道的方法似乎是知道 B 是否认真。

（我不应该深入。我们得到了一堆短语，只是被告知如果这些短语出现在句子中，那就是讽刺，但我感兴趣？）

有没有办法解决这个问题？还是计算机在讽刺方面绝对卡住了？

（我想这取决于说话者的语气，但我输入的是文本）

Answer 1

似乎有一些研究尝试了这一点，但他们还没有提出一个行之有效的算法。

来自González-Ibáñez, R. et al. "Identifying sarcasm in Twitter: a closer look"

讽刺和反讽是语言学中经过充分研究的现象， 心理学和认知科学[...]。但是在文本挖掘中 文献中，讽刺的自动检测被认为是困难的 问题 [...] 和 仅在少数研究中得到解决。 [...] 与我们最密切相关的工作是 Davidov 等人的工作。 （2010），其目的是识别讽刺和非讽刺 Twitter 和亚马逊产品评论中的话语。在本文中，我们 考虑区分讽刺推文和非讽刺推文的难度更大的问题

他们得出结论：

也许不出所料，无论是人类评判还是机器评判 学习技巧表现非常好。 [...] 我们的结果表明，仅词汇特征不足以识别讽刺，语用和上下文特征值得进一步研究

这是另一篇最近的相关论文：
Reyes, A. "From humor recognition to irony detection: The figurative language of social media"

Answer 2

...句子由用户编写。这是两个人之间的模拟对话。

用一个短语来检测讽刺几乎是不可能的，但在上下文中它可能更可行。让我们假设您可以解析句子并解释其字面意思（这不是一项简单的任务，但这个问题至少已经得到了一定程度的解决）。

你现在有来自：

的上下文

1. 对话中的所有短语。
2. 其他发言者的回应。

交叉引用的短语

要利用 #1，您可以相互交叉引用所有短语。有没有直接矛盾的？

例子：

演讲者 1：我爱贾斯汀比伯。你是吗？
演讲者 2：完全！我爱他。
演讲者 1：你最喜欢他的什么？
演讲者 2：他的音乐很棒！
演讲者 1：真的吗？你最喜欢哪首歌？
演讲者 2：来吧，你知道我讨厌他的音乐。

我们知道有两个矛盾的短语，“我爱他！”和“我讨厌他的音乐”。至少有可能发生了讽刺。

其他演讲者的问题或回应

方法 #2 可能更有效（或无用......也许讽刺是众所周知的，但在两方之间没有说出来）。

例子：

演讲者 1：贾斯汀比伯在城里。我真要去见他。
演讲者 2：哈。

另一个例子：

演讲者 1：我爱贾斯汀比伯。你呢？
演讲者 2：我的床头上有一张他的巨幅海报。
演讲者 1：是的，没错。

更详细地说，您可以应用启发式方法来确定对话在特定短语后偏离的程度。

演讲者 1：我非常喜欢贾斯汀比伯！！！你是吗？
_{演讲者 1 发表了强调声明}
演讲者 2：是的，当然。
_{讽刺。我们不知道，但对话中的其他人知道。}

Speaker 1 现在走什么方向？他们改变话题了吗？根据谈话的激烈程度，它可能表明他们对感知到的反应的反应。

话虽如此，但其中大部分都需要复杂的处理，而且我预计其准确率会非常低。但这是一个有趣的问题。

Answer 3

讽刺真的是说它的语气，文字不保持语气，而且陈述的真实性也可以确定它的讽刺......

如果输入是由用户输入的，您可以通过两种方式进行输入。

其中一个是基于他们使用互联网术语所写的内容。

例如：

用户可能会输入：

"Yeah. Sure. I absolutely love him. /sarcasm"

您可以查找 /sarcasm [/sarcasm] 等关键字

---

您也可以使用统计赔率：

"Yeah, and I'm the president of USA".... 在统计上它实际上是正确的几率是如此之低，以至于可以被标记为讽刺。

Answer 4

那么从文化或语言的角度来看，讽刺究竟是什么？如果你想解决这个复杂的问题，你必须澄清这一点。这个问题非常复杂，因为要求在某些人类语言中使用人工智能。您可以查看A.L.I.C.E. 以获得一些灵感。