文献紹介

修士1年

松本宏

Modeling Irony in Twitter

• Title: Modelling Irony in Twitter

• Author: Barbieri, Francesco and Saggion, Horacio

• Journal: EACL 2014

• Pages: 56

• Year: 2014

概要

• Tweetデータ内からのironyとなる文の検出

• Irony検出には機械学習の２値分類

• 様々な素性を試す

–今回の内容については素性の選択理由について

単語ironyについて

• Ironyとは？

–皮肉

• 日本語の皮肉とは若干異なる

–日本語の皮肉: sarcasm

– Ironyの皮肉: ユーモア溢れるモノ

Frequency

• 皮肉な文は意外性により生まれる

• 意外性を頻度を利用して検出

→頻出単語と反頻出単語が利用されている同

文での使用が不均衡を生み意外性へとつながる

Written-Spoken

• Twitterは書き言葉が多い

• 皮肉な文は意外性により生まれる

• 話し言葉で記述されている文から書き言葉に書き換わる意外性

• または、その逆も

Structure

• この素性はツイート構造を知るためのもの

• ツイートが– 長いのか短いのか、

– 長い単語か短いのか、

– どのような記号が利用されているか

– この素性の利用においては皮肉ツイートの傾向として他のツイートと比べ、

• 理由:– 長い文字列ツイートかつ、固有の記号、絵文字が使われていることが多い

Intensity

• 皮肉のテクニック

–意味裏腹な言葉

• 形容詞、副詞で脚色

– (“Do we hike that tiny hill now?” 実際は大きな山へ挑む直前のツイートだったり)

• 言葉に度合い付けされたツールの利用

Synonyms

• 皮肉には２つのメッセージがある

• リテラルな意味と比喩

• 比喩的意味の伝達のためにも語彙選択は重要

• 例えば:

–空が暗く雨が振りそうなとき、”sublimeな天気だね！“

• よって、言い換え可能数を素性

Ambiguity

• 皮肉においての曖昧性

• 皮肉コーパス: 皮肉文で集められたコーパス

• 単語の語義数:皮肉コーパス > 非皮肉コーパス

Sentiments

• 皮肉は感情分析によって調べられると仮定

• 感情の不均衡による意外性

データセット

• 実験は３種類のツイート・コーパス

• （ハッシュ・タグに#irony, #education, #humor, #politicsとある物を各10,000ツイートずつ）

• 10分割交差検定

Experiments

• ３種類のツイート・コーパス

– （#irony, #education, #humor, #politics ハッシュタグ付を各10,000ツイートずつ）

– 10分割交差検定

実験結果

• セルはベースライン/提案手法

実験結果

実験結果