讽刺文学

摘要： 在中国现代文学史上,由《华威先生》而引起的“讽刺与暴露”讨论使得这篇小说备受关注。而从抗战初期到建国以后,作者、批评家和文学史写作中对《华威先生》的评价和基本论调都发生了有趣的转变,本文从《华威先生》的阐述史入手,探究不同时间段背景下文学界对《华威先生》的不同阐释,之所以产生此种解释的社会政治背景,以及纵向的变化本身为我们带来的关于讽刺文学命运的预示。

摘要： 俄罗斯讽刺文学是俄罗斯文学中璀璨的一部分.俄罗斯讽刺文学立足社会现实,塑造了性格鲜明的人物,社会弊端及人性缺点是其主要的讽刺对象.作家和读者一般都将注意力放在讽刺作品中的讽刺对象及讽刺技巧上.在俄罗斯讽刺文学中,作家常用的讽刺技巧包括讽喻、对比和夸张.

摘要： 讽刺文学是西方文学艺术的重要表现形式,在表现人物思想情感、文章主要思想、增强文章的感染力和表现力方面有着无与伦比的重要作用。《格列夫游记》是英国作家乔纳森·斯威夫特的长篇游记体讽刺小说,作者通过描写主人公格列夫游览四个国家(小人国、大人国、飞岛国、慧驷国)的经历,对当时英国议会中的党派斗争、统治集团的昏庸腐朽、殖民战争的残酷暴戾进行辛辣的嘲讽与批判;同时它歌颂了殖民地人民反抗殖民统治的顽强抗争精神。本文以西方著名讽刺小说《格列夫游记》为例,通过对《格列夫游记》中的变形夸张艺术的巧妙运用、对“动物”的讽刺以及理性讽刺的深入分析来看其在西方讽刺文学中的作用。希望能够对西方小说讽刺艺术的发展提出有益的建议。

摘要： 俄罗斯讽刺文学是俄罗斯文学中璀璨的一部分。俄罗斯讽刺文学立足社会现实,塑造了性格鲜明的人物,社会弊端及人性缺点是其主要的讽刺对象。作家和读者一般都将注意力放在讽刺作品中的讽刺对象及讽刺技巧上。在俄罗斯讽刺文学中,作家常用的讽刺技巧包括讽喻、对比和夸张。

摘要： 《西北大学学报(哲学社会科学版)》2020年第3期推出“鲁迅研究专题”。张洁宇的《“有情的讽刺”:鲁迅杂文的美学特质》以为,鲁迅对讽刺艺术有自觉的理论提倡和大量的文本实践。在艺术层面,他甄别讽刺与谴责,强调讽刺艺术的“轻妙深刻”,提出“精炼”“夸张”等要素;在精神层面,他强调“讽刺的生命是真实”,尤以“有情的讽刺”对照批评“无情的冷嘲”,体现了讽刺文学严肃介入现实的战斗精神。

摘要： 部编版语文课本九年级下册名著阅读推荐了吴敬梓的《儒林外史》。《儒林外史》是中国小说史上讽刺文学的璀璨明珠。鲁迅曾评价其说:“在清朝,讽刺小说反少有,有名而几乎是唯一的作品,就是《儒林外史》。”这本书共五十六回,书中人物两百多个,整本书没有贯穿始终的主要角色,小说的主题多元而深刻。下面,我就从人物形象这一点切入,谈一谈如何通过赏析人物形象探究小说主题。

摘要： 本文内容主要通过两部小说的比较来分析研究20世纪50年代和60年代的中国人民以及70年代埃及人民的痛苦。通过两部小说《许三观卖血记》和《雄辩埃及人的抱怨》分析了边缘人这类人物形象。通过两部作品的比较,我们能了解到两部小说的思想内容和艺术特色,看到埃及和中国的边缘人的命运。

摘要： 《生活的艺术》,作者:林语堂。艺术应该是一种讽刺文学,对我们麻木了的情感、死气沉沉的思想,和不自然的生活下的一种警告。它教我们在矫饰的世界里保持着朴实真挚。《二十首情诗和一首绝望的歌》,作者:巴勃罗·聂鲁达。当华美的叶片落尽,生命的脉络才历历可见。

摘要： 吴敬梓是长篇小说《儒林外史》的作者。曾经撰写了《吴敬梓年谱》的著名现代学者胡适先生认为,这部讽刺文学的巨作,是中国文学史上熠熠生辉的不朽之作。吴敬梓,字敏轩,一字文木,号粒民,亦号秦淮寓客;安徽全椒人,生于清康熙四十年（1701年）,死于清乾隆十九年（1754年）。吴氏家族屡世行医,至其曾祖父吴国对才开始进入仕途,从此＂家门鼎盛＂,吴国对兄弟五人,四人为进士。

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。

摘要： 本发明实施例公开了一种讽刺内容识别方法、装置、电子设备以及存储介质。该方法包括：获取待识别的数据内容，并提取所述数据内容的文本内容和图像内容；提取所述图像内容的第一特征信息，其中，所述第一特征信息至少包括所述图像内容中的文本向量特征；提取所述文本内容的第二特征信息，其中，所述第二特征信息至少包括所述文本内容的表情符号特征；将所述图像内容的第一特征信息和所述文本内容的第二特征信息输入至预先训练的讽刺内容识别模型，得到所述数据内容的讽刺识别结果。通过本发明实施例公开的技术方案，实现了更加准确的识别到讽刺内容，更加精准的了解待识别的数据内容的表达含义。

摘要： 本发明属于网络语言检测领域，具体涉及一种基于Bi‑ISCA来检测用户生成短文本中的讽刺情绪的方法，包括句内单词编码层模块、Bi‑ISCA模块、整合与最终预测模块，所述句内单词编码层模块连接有Bi‑ISCA模块，所述Bi‑ISCA模块连接有整合与最终预测模块。本发明通过一种新的深度学习结构，该结构使用了一种新颖的注意机制即Bi‑ISCA捕获句间依赖关系，从而仅利用会话上下文来检测用户生成的短文本中的讽刺。本发明所提出的深度学习模型展示了捕获显性、隐含和上下文不一致的词的能力，这些词是导致讽刺的短语，在这一领域上，Bi‑ISCA结构有着巨大的优势。本发明用于检测用户生成短文本中的讽刺情绪。