英语幽默

摘要： 黄忠廉教授于1998年在中国译学界首次提出变译理论,但目前变译理论的应用研究仅局限于文学作品、社科作品和科技作品.幽默作为一种特殊的文体,其翻译当中同样存在着变译现象.本文以黄忠廉教授的变译理论为指导,归纳出英语幽默翻译的四种变体体式,即摘译、编译、改译和阐释,通过实例分析,阐释了以上四种变体体式,挖掘出这四种变体背后的心理机制,进而得出结论,英语幽默翻译变体是翻译过程中译者运思其心理的产物.

摘要： 英语幽默是英语学习和话语交际理解中的一个难题,其话语情境的动态性导致英语幽默的生成和理解在很大程度上受到语境的影响.语境是语用学的研究核心,故而语用学理论可以为幽默的生成提供重要理据.英语幽默是一种以言致笑的多功能言语行为,集内容、形式和功能为一身.幽默的理解应立足分析其生成机制,并依托文化因素、幽默的组织结构形式以及语用功能.

摘要： 本文主要讨论了英语幽默生成的法则并对幽默的功能给予了适当的解读,有助于人们加强对英语语言表达力的理解.

摘要： 语言在使用的过程中如果把有些意思进行暗示而不是直接说出来, 可以达到幽默的效果.英语语言的合作原则包含四个准则数量、质量、关系和方式.如果违反了四个其中一个原则就有可能带来言外之意,从而产生幽默.本文笔者就将通过合作原则、言外行为和言后行为,分析英语幽默语言,进行英语言语话语分析.

摘要： 在日常生活中,英语幽默被广泛应用,幽默常会给人带来欢乐,主要表现为机智,自嘲,调侃,风趣等.为了能使人们在生活中更适宜恰当地运用英语幽默,在广泛查阅相关资料文献的基础上,在此就英语幽默的特点与功能进行分析与列举,希望能增进人们对于英语幽默的理解.

摘要： 本文从分析语用学角度出发，分析了英语幽默的产生及常用手法，阐释了英语幽默的翻译策略。

摘要： 一种基于神经网络和幽默特征的幽默识别方法，属于数据挖掘和自然语言处理领域，用以解决进行幽默识别的问题，要点是包括S1、幽默语料采集及预处理；S2、幽默特征提取；S3、文本的词向量表示；S4、神经网络模型构建；S5、幽默识别结果评价，效果是：对特定形式的幽默数据进行采集和预处理，根据相关成熟的幽默理论，充分考虑到幽默文本的语音特性，构造幽默的语音特征；利用幽默的模糊性特性，提取了句子中拥有同义词最多的词作为特征词并对其进行向量化；采用了深度学习方法，提取了幽默文本背后深层次的语义特征，并将幽默的语音特征和模糊性特征融合到神经网络当中，从而进行幽默识别，在数据集上的实验验证了本发明方法对幽默识别的有效性。

摘要： 本发明公开了一种外部知识增强的幽默文本生成方法，该方法包括对短笑话数据集预处理得到主体句‑背景知识‑妙语句对齐的数据，构建幽默文本生成模型，利用幽默文本生成模型生成幽默文本。本发明提出利用图注意力网络来聚合一个笑话主体句的背景知识图，增强节点表达，并提出将背景知识图融合到妙语句解码器中，从而实现给定主体句及相关的背景知识，能够生成富含幽默感的妙语句。

摘要： 本发明公开了一种基于人工智能的幽默生成与情感交互方法及机器人系统，所述方法应用于机器人中，包括：获取用户的数据；根据用户的数据，生成幽默语段输出；监测用户对输出的幽默语段反馈的情感；当用户反馈的情感识别结果为预设情感时，判断输出的幽默语段具备幽默的特点，且用户反馈的情感识别结果中预设情感程度越大，判断输出的幽默语段的幽默程度越大；当用户反馈的情感识别结果为预设情感以外的情感时，判断输出的幽默语段不具备幽默的特点；将具备幽默特点的幽默语段、该幽默语段对应的环境信息以及该幽默语段的幽默程度存入幽默大数据知识库。本发明可以通过幽默生成触发和改变用户的情感，并可以通过情感识别检验幽默的效果。

摘要： 本发明公开了一种基于幽默识别的情感交互方法和机器人系统，所述方法包括：机器人获取用户的输入语段，作为用户语段；对用户语段进行识别，得到用户语段的幽默程度；根据用户语段的幽默程度，计算需要反馈的情感程度；根据需要反馈的情感程度，通过情感计算表达情感；幽默检验装置通过对表达的情感进行情感识别，获取反馈的情感程度；根据情感识别的结果中反馈的情感程度，计算识别得到的幽默程度获取用户语段的真实幽默程度；通过比较识别得到的幽默程度和用户语段的真实幽默程度的差异，判断幽默识别的准确度。本发明可以通过幽默识别来识别用户的幽默，以此检验机器人对幽默识别的能力，而且可以通过情感表达来表达识别的结果。

摘要： 一种基于神经网络和幽默特征的幽默识别方法，属于数据挖掘和自然语言处理领域，用以解决进行幽默识别的问题，要点是包括S1、幽默语料采集及预处理；S2、幽默特征提取；S3、文本的词向量表示；S4、神经网络模型构建；S5、幽默识别结果评价，效果是：对特定形式的幽默数据进行采集和预处理，根据相关成熟的幽默理论，充分考虑到幽默文本的语音特性，构造幽默的语音特征；利用幽默的模糊性特性，提取了句子中拥有同义词最多的词作为特征词并对其进行向量化；采用了深度学习方法，提取了幽默文本背后深层次的语义特征，并将幽默的语音特征和模糊性特征融合到神经网络当中，从而进行幽默识别，在数据集上的实验验证了本发明方法对幽默识别的有效性。

摘要： 本发明属于幽默文本生成技术领域，公开了一种幽默文本自动生成方法、系统、介质、设备及终端，提出新的幽默文本生成任务；构建基于生成对抗网络的幽默文本生成模型AMQ‑GAN；采用双判别器，分别提取语义特征和幽默特征；采用基于对比学习的数据增强技术，并采用prompt设置特定的幽默文本训练模板，使生成的文本突出幽默的特征。本发明设计AMQ‑GAN模型，通过SimCSE技术、prompting技术、语义特征判别和幽默特征判别器，有效指导生成器生成了具有语义特征和幽默特征的开放式文本。实验结果表明，本发明提出的AMQ‑GAN模型在一定程度上实现了开放性幽默文本的要求。

摘要： 本发明属于人工智能领域，提供了一种基于注意力机制的幽默文本分类方法、装置、设备、介质，包括：获取待检测文本，将待检测文本输入至预处理模型得到预处理输出信息；将预处理输出信息输入至词向量注意力模块，根据词向量注意力模块输出的词向量权重矩阵和预处理输出信息得到词向量特征信息；将词向量特征信息输入至词义注意力模块，根据词义注意力模块输出的词义权重矩阵和词向量特征信息得到词义特征信息；针对词向量特征信息和词义特征信息进行元素求和得到文本特征；将文本特征输入至分类模型得到幽默分类结果。本发明能够从词向量和词义两个维度对待检测文本进行分析，提高幽默文本分类的准确性，确保下游业务的正常运行。

摘要： 本发明公开了一种基于NER识别情景喜剧对话幽默度的方法，所述方法包括以下步骤：步骤一：数据采集并进行数据预处理，形成待识别文本信息；步骤二：RoBERTa预训练模型构建二分类模型；步骤三：RoBERTa预训练模型构建NER模型，将待识别文本信息中句子的每个字符按照命名实体标注的方法进行标注，其中属于幽默范畴的字符标为1，不属于幽默范畴的字符标为0；步骤四：采用九折交叉验证的方式，将句子中所有字词中被标注为1的字符所占比例与预设阈值进行对比，若所占比例大于预设阈值则判定该句子是幽默，否则判定为非幽默。本发明能够智能高效的对情景喜剧对话进行幽默度识别，容错率高。

摘要： 本发明涉及人工智能技术，可应用于数字医疗领域，揭露一种基于幽默度的文本分类方法，包括：利用替换词对集替换第一原始文本训练集中的部分词语，得到第二原始文本训练集；组合标准类别集及所述第一原始文本训练集得到第一标准文本训练集，及组合所述标准类别集及所述第二原始文本训练集得到第二标准文本训练集；利用所述第一标准文本训练集、所述第二标准文本训练集训练文本分类模型；利用训练完成的所述文本分类模型对待分类文本进行文本分类。此外，本发明还揭露一种基于幽默度的文本分类装置、电子设备及存储介质。本发明还涉及区块链技术，第一原始文本训练集等可以从区块链中获取。本发明可以解决训练数据较为浪费，分类效果不好的问题。

摘要： 基于反向翻译的中文幽默分类模型，属于自然语言处理领域，包括：S1.文本输入层；S2.BERT嵌入层；S3.汉语拼音特征嵌入层；S4.文本词性特征嵌入层；S5.特征融合层；S6.BiGRU层；S7.全连接层，最终由全连接层完成对中文文本幽默的分类输出；有益效果是：在基于反向翻译技术结合语言学幽默理论的方法基础上，提出了基础模型BERT‑BiGRU‑Softmax对中文文本幽默进行分类研究，并在模型中逐步加入不同的幽默特征，实现特征融合模型BERT+POS+Homophony‑BiGRU‑Softmax，该模型对最终判断中文文本是否为幽默是有效果的。