摘要

自动讽刺检测领域的文献主要集中在词汇、句法和语义层面的文本分析。然而，讽刺句子的表达往往依赖于上下文假设、背景知识和常识。在本文中，我们提出了一种名为CASCADE（上下文感知讽刺检测器）的方法，该方法采用了内容驱动和上下文驱动相结合的混合建模方法，用于在线社交媒体讨论中的讽刺检测。为了提取讨论线程中的上下文信息，CASCADE致力于从话语中获取这些信息。此外，由于讽刺的表现形式和性质因人而异，CASCADE利用了用户嵌入（user embeddings），这些嵌入编码了用户的文体特征和人格特质。当与基于内容的特征提取器（如卷积神经网络（CNNs））结合使用时，我们在一个大型Reddit语料库上的分类性能显著提升。