幽默讽刺

摘要： 《装在套子里的人》是契诃夫的短篇小说之一,入选统编版普通高中语文教材必修下册第六单元,小说以其幽默讽刺的手法将别里科夫的形象深深印在了我们的脑海里。经典永远是经典,时隔多年,对于别里科夫形象的认识,永远有解读不尽的空间。本文试图借鉴孙绍振在小说审美鉴赏方面的方法,对别里科夫内心进行挖掘,对人物形象进行再认识,由契诃夫的创作特点认识别里科夫这一类人的人性扭曲,自我缺失。

摘要： 你以为安徒生写的《海的女儿》只是一个凄凉的故事?不,他写的是一个女性从觉醒到突破、从索要到成全、从依附到独立的成长寓言。据说小孩子看安徒生童话都是要看哭的。安徒生亲切哀伤地讲着故事,长长短短,有幽默讽刺的言辞,有辛酸无奈的命运,有沉默古怪的孩子,简单美丽中透出残酷,他绝不会俗套地给自己的故事一个完美的结局,所以我小时候的泪点,几乎都是被安徒生童话给承包了。

摘要： 为达到有效交流的目的,在言语交际中应遵循合作原则。英国女作家简·奥斯汀的小说《傲慢与偏见》以幽默讽刺的语言风格著称,然而其幽默讽刺效果的产生常常以违反合作原则为前提。从合作原则的质量、数量、相关和方式四大准则入手,详细分析了《傲慢与偏见》小说中人物会话是如何通过对合作原则的违反而产生幽默讽刺效果的,并解读了人物会话背后的潜在含义。

摘要： 为达到有效交流的目的 ,在言语交际中应遵循合作原则.英国女作家简·奥斯汀的小说《傲慢与偏见》以幽默讽刺的语言风格著称,然而其幽默讽刺效果的产生常常以违反合作原则为前提.从合作原则的质量、数量、相关和方式四大准则入手,详细分析了《傲慢与偏见》小说中人物会话是如何通过对合作原则的违反而产生幽默讽刺效果的,并解读了人物会话背后的潜在含义.

摘要： 西维亚·乔迈在欧洲有着独特的动画艺术风格,所执导先锋实验动画给许多动画学者启示和着迷,在当今好莱坞影片 风靡的时代,导演西维亚·乔迈依旧保持初心创作出带有个人风格的《疯狂约会美丽都》。本文从角色设计,内容叙事和文化风 格的角度来分析《疯狂约会美丽都》中的一些反好莱坞特征。

摘要： 一《封锁》在1943年11月发表于上海《天地》第二期,和《琉璃瓦》发表于同一个月,但是创作完成的时间比《琉璃瓦》早两个月,是1943年8月完成的。《封锁》虽然不是《琉璃瓦》那样的诙谐闹剧小说,但是,张爱玲冷幽默讽刺的风格,已经在这篇小说里展现出来。

摘要： 强大的幽默讽刺力量是微型小说文体的一大特殊功能。精短的小说文体要靠什么来感动读者、震撼读者?它既靠从现实生活中提炼的带有共鸣情感的细节,也靠来自真实生活中的幽默讽刺。前者是“带着微笑看生活”的微型小说;后者是“皱着眉头看生活”的微型小说。而“皱着眉头看生活”的微型小说又有两种类型:一是像许锋的杂文微型小说那样,常常描写一种超现实的变形怪诞的生活,从中表达一种能直接扎中穴位的带有普遍意义的哲理;另一种就像徐习军这样的在日常生活中写出荒谬的幽默微型小说。

摘要： 格绒追美是近年来崛起的康巴作家群的代表作家之一,他的小说主要展现青藏高原的神性意蕴下藏民族的宗教信仰,叙述中有独到的哲理和鲜明的异质思维。《青藏辞典》就是其中的典型代表,作者通过词条的形式将主人公的所见、所闻、所感、所想记录下来,呈现了自己在走向城市过程中遇到的形形色色的人和事,幽默讽刺、针砭时弊,让词典体小说不仅具有心灵体验和社会生活剪影,而且以散点透视的形式将广袤神秘的青藏高原呈现在读者面前。正如作者所言:"在这本词典里,你能隐约看到我这个不合格编撰者的心灵轨迹外,更为重要的是,能遥望到青藏高原隐秘的智慧河流,沐浴到来自雪域的灵性光芒。"

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： 本发明涉及动态记忆案件描述的涉案微博评论讽刺句检测方法，属于自然语言处理技术领域。本发明包括步骤：构建涉案微博讽刺数据集；利用词嵌入和位置嵌入分别将涉案微博正文和涉案微博评论分别进行特征编码，在特征编码后的涉案微博评论中引入注意力机制；通过动态记忆机制，获得与涉案微博评论相关的正文表征；将获得的正文表征和评论表征进行拼接得到新的表征，将表征作为输入来训练模型，通过模型进行涉案微博评论讽刺句检测。本发明通过将案件描述信息作为背景信息实现了涉案评论句讽刺检测，从获取的舆情数据中检测出讽刺句，为后续的情感分析提供了支撑。

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： 本发明涉及一种基于多尺度跨模态神经网络的多模态讽刺对象检测方法，包括步骤：获取一定量的包含讽刺意味且带有图像的推特文本作为基础数据集；结合图像和文本上下文对照信息，对基础数据集中的图文对进行标注；设计多模态讽刺对象检测神经网络。本发明的有益效果是：本发明设计并构建了多模态讽刺对象检测神经网络，包括文本信息编码器、图像信息编码器、B2M转换器、跨模态编码器(MCE)、M2N转换网络、文本讽刺对象检测网络(TSTI)和图像讽刺对象检测网络，结合图像和文本来检测推特文本中的文本讽刺对象和图像讽刺对象；本发明相比较于已有的方法具有更高的性能。

摘要： 本发明公开了一种对社交媒体多模态信息中讽刺情感识别的方法，充分利用文本、图像和图像属性三种模态来解决具有挑战性的多模态讽刺检测任务。首先提取图像特征和图像属性特征，接着利用图像属性特征与基于RoBERTa的文本预训练网络连接提取文本特征，从而将文本模态、图像模态和图像属性模态的特征重构并融合为一个特征向量对讽刺情感进行预测。本发明在社交媒体的图文信息数据集上有超过1％的准确率提升和超过3％的F1值提升，证明了多模态分层融合模型的有效性和三种模态的实用性，从而充分发挥文本的上下文信息和不同模态间的相互作用。

摘要： 本发明提供了一种基于知识注入的双注意力网络的多模态讽刺意图识别方法，该方法包括：获取待识别数据内容，所述待识别数据内容包括若干文本、图片对；对文本中的词和图片中的对象进行编码，得到原始表示；基于待识别数据内容的隐性上下文信息对原始表示进行扩展，得到上下文感知表示；获取原始表示与上下文感知表示的注意力计算结果；根据注意力计算结果，计算原始跨模态对比表示和上下文感知跨模态对比表示；基于所述原始跨模态对比表示和所述上下文感知跨模态对比表示，计算讽刺意图识别结果。本发明有助于提高讽刺识别的整体性能，方便模型的实际应用，并对预测结果提供可解释性。

摘要： 本发明一种基于讽刺识别和细粒度特征融合的多模态蒙古文情感分析方法，首先，将机器翻译和情感分析结合，以解决由于蒙古语情感数据集的匮乏导致情感分析不准确的问题；其次，将图像属性纳入讽刺识别中，并利用属性特征和Bi‑GRU提取文本特征，使用Bi‑GRU替换Bi‑LSTM，缓解了Bi‑LSTM记忆单元结构复杂，训练时间长的问题；第三，结合图文相关性检测，以解决多模态情感分析中若存在配图和发布的文本完全无关的情况对分析结果造成较大偏差的问题；最后，结合多模态细粒度混合的方法，在多模态细粒度混合时根据上下文环境的差异，考虑到了各模态中不同组成成分的差别，从而避免噪音信息的影响。

摘要： 本发明提出一种融合多级语义信息的多模态讽刺识别系统方法，所述方法通过融合多级语义信息来分析多模态数据，然后以讽刺识别模块来判别多模态数据中是否存在讽刺感；在生成多模态数据时，以特征提取模块提取图文数据的特征表示及图文数据的中级语义信息，以图文融合模块融合图文数据的特征表示并提取产生讽刺感的图文片段，以语义融合模块融合图文数据的中级、高级语义信息；本发明能够提取图文模态数据的特征表示及图文数据中的中级语义信息，通过注意力机制融合多模态数据，并关联图文模态的中级语义，分析多模态数据中是否存在讽刺感。

摘要： 本发明涉及动态记忆案件描述的涉案微博评论讽刺句检测方法，属于自然语言处理技术领域。本发明包括步骤：构建涉案微博讽刺数据集；利用词嵌入和位置嵌入分别将涉案微博正文和涉案微博评论分别进行特征编码，在特征编码后的涉案微博评论中引入注意力机制；通过动态记忆机制，获得与涉案微博评论相关的正文表征；将获得的正文表征和评论表征进行拼接得到新的表征，将表征作为输入来训练模型，通过模型进行涉案微博评论讽刺句检测。本发明通过将案件描述信息作为背景信息实现了涉案评论句讽刺检测，从获取的舆情数据中检测出讽刺句，为后续的情感分析提供了支撑。

摘要： 本发明实施例提供上下文讽刺检测方法、装置、电子设备及存储介质，该方法包括：对用户评论文本进行分析得到用户评论特征；将所述用户评论特征输入预设讽刺检测模型，得到讽刺检测结果；其中，所述预设讽刺检测模型是通过对带讽刺标签的用户评论样本特征和无标签的用户评论样本特征训练得到的。针对讽刺检测的特点设计了内容特征和上下文特征的用户评论特征，然后针对讽刺检测的实际业务场景特点选取了一种半监督学习方法，采用多次抽取与带讽刺标签的用户评论样本特征相等数量的无标记数据构建决策树，集成多棵决策树预测输入文本，节省了大量的数据标注工作，从而更符合真实应用场景，最终更好的实现上下文讽刺检测。