A deep-learning framework to detect sarcasm targets

Abstract

In this paper we propose a deep learning framework for sarcasm target detection in predefined sarcastic texts. Identification of sarcasm targets can help in many core natural language processing tasks such as aspect based sentiment analysis, opinion mining etc. To begin with, we perform an empirical study of the socio-linguistic features and identify those that are statistically significant in indicating sarcasm targets (p-values in the range (0.05, 0.001)). Finally, we present a deeplearning framework augmented with sociolinguistic features to detect sarcasm targets in sarcastic book-snippets and tweets. We achieve a huge improvement in the performance in terms of exact match and dice score as compared to the current state-of-the-art baseline.

Sarcasm Target Identification with LSTM Networks

“…Çalışmalarında 3 farklı model sunmuşlardır: a) Metindeki hedeferi belirlemek için 9 farklı kuraldan oluşan kural tabanlı bir model, b) Sözcük etiketleme algoritmaları ile egitilmiş hedeferin etiketli oldugu bir veri kümesi üzerinden ögrenen bir model ve c) hedeferi belirlemede iki modelin çıktılarını kullanan bir karma (hybrid) model. Patro ve arkadaşları [6] bu problem için derin ö grenme tabanlı bir model sunmuşlardır. Çalışmalarında çift yönlü LSTM modeli ile birlikte toplumsal dilbilimsel özellikler kullanmışlardır.…”

“…Yöntem bölümünde anlatılan modelin başarısını ölçmek için zar skoru [11] ve tam eşleme metrikleri kullanılmıştır. Deneysel sonuçlar, bu problem için literatürde bu veri kümesi üzerinde gerçekleşen çalışmalar ( [5], [6]) ile kıyaslanmıştır. Literatürdeki çalışmaların sonuçları deney sonuçları ile birlikte Tablo IV'te gösterilmektedir.…”

“…Modelin sonuçları, literatürdeki Joshia ve arkadaşlarının [5], ve Patro ile arkadaşlarının [6] [5] 16.51 21.28 LSTM [6] 23.37 87.57 BILSTM [6] 30.14 87.66 TD-LSTM [6] 25.97 87.71 BILSTM + slf [6] 31.17 88.16…”

“…Günümüzde derin ögrenmȇ yöntemlerinin yaygınlaşması ile görüntü işleme, dogal dil işleme gibi alanlarda, bu yöntemler birçok problem için kullanılmaya başlamıştır. Kinayeli metinlerde hedef tespiti problemi için de derin ögrenme yöntemleri kullanılarak çalışmalar gerçekleştirilmiştir [6]. Bu çalışmada derin ö grenme kullanarak kinayeli metinlerde hedef tespitinin yapılması hedefenmektedir.…”

Performance Evaluation of Word Embeddings for Sarcasm Detection- A Deep Learning Approach

“…An Attention-based LSTM network was employed in the work presented by Ghosh et al This work uses LIWC features to train their model[19]. PoS tags are passed as the input features to the bidirectional Long Short-Term Memory (BiLSTM) network in the work proposed by Patro et al[20]. Son et al presentedthe sAtt-BLSTM convNet deep learning model.…”