Enhancing Hyperbole and Metaphor Detection with Their Bidirectional Dynamic Interaction and Emotion Knowledge

要約

テキストベースの誇張とメタファーの検出は、自然言語処理（NLP）タスクにとって非常に重要です。
しかし、彼らの意味的なあいまいさと表現力のある多様性のため、それらを特定することはかなり困難です。
既存の方法は、主に表面的なテキスト機能に焦点を当て、誇張と比phorの関連性を無視し、これらの修辞的デバイスの知覚に対する暗黙の感情の効果を無視します。
これらの仮説を実装するために、双方向の動的相互作用（EMOBI）に基づいて、感情誘導の誇張および比phor検出フレームワークを提案します。
第一に、感情分析モジュールは、誇張と比phorの背後にある感情的な意味合いを深く採掘します。
次に、感情ベースのドメインマッピングモジュールは、ターゲットドメインとソースドメインを識別して、誇張と比phorの暗黙の意味をより深く理解することを得ます。
最後に、双方向の動的相互作用モジュールは、誇張と比phorの間の相互促進を可能にします。
一方、検証メカニズムは、検出の精度と信頼性を確保するように設計されています。
実験は、Emobiが4つのデータセットのすべてのベースラインメソッドを上回ることを示しています。
具体的には、現在のSOTAと比較して、F1スコアは、Trofiデータセットでの誇張検出で28.1％、Hypo-Lデータセットでのメタファー検出で23.1％増加しました。
これらの結果は、詳細な分析によって支えられており、誇張と比phorの検出を進めるためのアプローチの有効性と可能性を強調しています。

要約(オリジナル)

Text-based hyperbole and metaphor detection are of great significance for natural language processing (NLP) tasks. However, due to their semantic obscurity and expressive diversity, it is rather challenging to identify them. Existing methods mostly focus on superficial text features, ignoring the associations of hyperbole and metaphor as well as the effect of implicit emotion on perceiving these rhetorical devices. To implement these hypotheses, we propose an emotion-guided hyperbole and metaphor detection framework based on bidirectional dynamic interaction (EmoBi). Firstly, the emotion analysis module deeply mines the emotion connotations behind hyperbole and metaphor. Next, the emotion-based domain mapping module identifies the target and source domains to gain a deeper understanding of the implicit meanings of hyperbole and metaphor. Finally, the bidirectional dynamic interaction module enables the mutual promotion between hyperbole and metaphor. Meanwhile, a verification mechanism is designed to ensure detection accuracy and reliability. Experiments show that EmoBi outperforms all baseline methods on four datasets. Specifically, compared to the current SoTA, the F1 score increased by 28.1% for hyperbole detection on the TroFi dataset and 23.1% for metaphor detection on the HYPO-L dataset. These results, underpinned by in-depth analyses, underscore the effectiveness and potential of our approach for advancing hyperbole and metaphor detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google