一种文本幽默对比的Siamese双向GRU注意力模型

摘要

传统的幽默计算任务依赖人工构造特征,容易造成丢失特征,且主要集中在幽默判断.而基于深度学习的Siamese双向GRU注意力模型是对成对的幽默文本进行对比,判断哪一条语句更具有幽默性.首先,利用文本处理器对文本进行词嵌入训练;其次,使用双向GRU模型来获取每个单词的注释;最后,在全连接层执行幽默比较任务.在Semeval-2017 Task6-#HashtagWars数据集上进行实验,采用accuracy作为评估指标.实验结果表明,该模型与其他相关模型在幽默文本对比上有较明显提升.