Augmenting emotion features in irony detection with Large language modeling

要約

この研究では、感情中心のテキスト拡張を促進するプロンプトベースの学習を備えた大規模言語モデル (LLM) を適用する、皮肉検出のための新しい方法を紹介します。
従来のアイロニー検出技術は、静的な言語特徴や事前定義された知識ベースに依存しているため、通常は不十分であり、アイロニーに不可欠な微妙な感情的側面を見落とすことがよくあります。
対照的に、私たちの方法論は、LLM によって強化された微妙な感情的手がかりを、皮肉検出の基礎として広く認識されている 3 つのベンチマークの事前トレーニング済み NLP モデル (BERT、T5、GPT-2) に統合することによって検出プロセスを強化します。
SemEval-2018 タスク 3 データセットを使用してメソッドを評価し、アイロニー検出機能の大幅な強化が観察されました。

要約(オリジナル)

This study introduces a novel method for irony detection, applying Large Language Models (LLMs) with prompt-based learning to facilitate emotion-centric text augmentation. Traditional irony detection techniques typically fall short due to their reliance on static linguistic features and predefined knowledge bases, often overlooking the nuanced emotional dimensions integral to irony. In contrast, our methodology augments the detection process by integrating subtle emotional cues, augmented through LLMs, into three benchmark pre-trained NLP models – BERT, T5, and GPT-2 – which are widely recognized as foundational in irony detection. We assessed our method using the SemEval-2018 Task 3 dataset and observed substantial enhancements in irony detection capabilities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google