Algorithm 算法能检测出讽刺吗

我被要求编写一个检测讽刺的算法，但我在逻辑上遇到了一个缺陷（或者看起来像是一个缺陷）

例如，如果一个人说

我爱贾斯汀·贝伯。你喜欢他这样做吗

B:是的。当然我绝对爱他

现在，这可能被认为是讽刺与否，唯一能知道的方法似乎是知道B是否严重

（我本不想深入讨论。我们得到了一大堆短语，只是被告知如果这些短语出现在句子中，那就是讽刺，但我感兴趣了？）

有办法解决这个问题吗？或者说，当涉及到讽刺时，电脑是不是完全被卡住了

---

（我想这取决于说话人的语调，但我的输入是文本）

讽刺实际上是关于说话的语调，文本并不代表说话的语调，同样，这句话的真实性也可以决定它的讽刺

如果输入是由用户输入的，有两种方法可以实现

一个是基于他们用互联网术语写的东西

例如：

用户可以键入：

“是的，当然。我绝对爱他。/讽刺”

您可以查找诸如

/sarcasm

[/sarcasm]

等关键字

---

或者，您可以使用统计概率：

---

“是的，我是美国总统”

。。。。从统计上看，它在事实上是正确的几率很低，甚至可以被标记为讽刺。

那么，从文化或语言的角度来看，讽刺到底是什么呢？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，因为需要在某些人类语言中使用人工智能。你可以从中获得一些灵感

…句子由用户编写。这是两个人之间的模拟对话

用一个短语就几乎不可能检测出讽刺，但在上下文中可能更可行一些。让我们假设您可以解析这个句子并解释它的字面意思（这不是一项简单的任务，但这个问题至少已经得到了某种程度的解决）

现在，您可以从以下位置获得上下文：

对话中的所有短语

另一位发言者的回答

交叉引用短语 要利用#1，您可以相互交叉引用所有短语。有没有直接矛盾的地方

例如：

演讲者1：我爱贾斯汀·比伯。是吗？
演讲者2：完全正确！我爱他。
演讲者1：你最喜欢他什么？
演讲者2：他的音乐棒极了
演讲者1：真的吗？你最喜欢哪首歌？
演讲者2：拜托，你知道我讨厌他的音乐

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

其他发言者的问题或答复 方法#2可能更有效（或者没有用……也许讽刺是双方都知道的，但没有说出来）

例如：

演讲者1：贾斯汀·比伯在城里。我很想去看他。
发言者2：哈

另一个例子：

演讲者1：我爱贾斯汀·比伯。是吗？
演讲者2：我的床上有一张他的巨型海报。
演讲者1：对

更详细地说，你可以运用一种启发式方法来确定谈话在特定短语之后偏离的程度

演讲者1：我太喜欢贾斯汀·比伯了！！！是吗？
发言人1作了一次强调性发言
演讲者2：是的，当然。
讽刺的。我们不知道，但对话中的另一个人知道

1号演讲者现在朝哪个方向走？他们会改变话题吗？根据谈话的激烈程度，这可能表明他们对感知到的反应有何反应

---

尽管如此，这其中的大部分都需要复杂的处理，我最多只能期望非常低的准确率。但这是一个有趣的问题。

看起来有一些研究正试图这样做，但他们还没有找到一个运行良好的算法

从

讽刺和反讽是语言学中研究得很好的现象， 心理学和认知科学[…]。但是在文本挖掘中 在文献中，讽刺的自动检测被认为是一个难点 问题[…]和 仅在少数几项研究中解决了这一问题。[…]与我们的工作最密切相关的是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言论。在本文中，我们 考虑区分讽刺性的推文和非讽刺性的推文的难度更大的问题

他们得出结论：

也许毫不奇怪，无论是人类的法官还是机器 学习技巧表现得很好。[…]我们的研究结果表明，词汇特征本身并不足以识别讽刺，语用和语境特征值得进一步研究

下面是另一篇最近的相关文章：

---

我认为讽刺在很大程度上取决于说话人的语气。除非你知道B不喜欢贾斯汀·贝伯，否则他们无法知道这是否是一个讽刺性的评论。我知道这没有帮助，但很多人很难确定文本中的讽刺！问english.stackexchange.com看看人类是否能察觉到讽刺，你可能会更幸运。哦，祝你好运！一篇关于讽刺检测的学术文章，称为SASI的算法——希伯来大学开发的讽刺识别半监督算法。检测准确率为77%…我应该补充一点：第一个例子有助于发现用户是否在撒谎，而不是讽刺。相互矛盾的陈述在谎言中很常见。诚然，从技术上讲，讽刺性的陈述通常是不真实的，谎言也是如此。这是一条很好的界线：帕格里德，你很容易发现谎言而不是讽刺……我也这么认为。这将取决于主题，但