讽刺诗

摘要： 西周中晚期是一个有趣的时代。此时,周王朝已经渡过了“壮年期”,露出了颓势,曾经活力无限的制度僵化乃至崩坏,一切都预示着黄金时代就要结朿;同样在这个时代,曾经被国家上层垄断的文字书写系统开始下沉,许多受过完整书写训练的贵族失意于政治,开始运用文字这种工具抒发自己的情绪,形成了风格独特的“讽刺诗”,这让诗歌摆脱庙堂馆阁的朿缚,渗入文明的肌肤之中,进入一个崭新的时代。

摘要： 一城市古已有之,而且历史悠久绵长。城市文学,则是晚近的事。中世纪历史学家在描述“城市文学”的时候,用了“fabliaux”(粗俗幽默故事诗)这个词,并解释说是“充满活力、纯朴幽默且篇幅短小的讽刺诗”[1]。中国翻译家王佐良,将它译为“中古欧洲大陆市井故事”[2]。俄罗斯理论家M·巴赫金认为,直到中世纪中后期(13世纪前后),城市才具有了真正意义上的“独立性”,“城市获得发展,并且在城市里形成了自己的文学。”[3]M·巴赫金所说的“Фабльо”(fabliaux,故事短诗),就是新兴的“城市文学”的代表,它以滑稽、讽刺、戏仿的方式“对付一切陋习和虚伪”。城市文学的主角,就是中世纪城市底层文学中三个最重要的角色类型:“傻瓜”“小丑”“骗子”。[4]这种说法有些极端,其实就是“普通市民”的意思。

摘要： 作为中国古代诗歌开端的《诗经》反映了西周初年至春秋中叶的社会风貌,《国风》记录了周代各地的歌谣,从歌谣中的讽刺诗入手,对其内容进行归类、对其艺术进行剖析,有助于我们了解认识周朝的社会风貌,其蕴含的精神对后世文学创作产生了深远的影响。

摘要： 古代文人撰写的一些讽刺诗,色彩浓郁,韵味辛辣,可以被看作斗争武器,传达着文人所在时代的情绪,那些诗虽然长满了刺儿,却代表了作者和当时一部分人的心声。讽刺诗就是一个时代的号手,总是最先起到针眨时弊、鞭挞社会的作用。南宋末年元兵大举南下进逼临安,当时的宋将夏贵是淮西制置使,他拥兵观望,拒不应诏。

摘要： 晚唐杰出诗人李商隐,在其讽刺诗中运用了大量神话典故,既不同于两晋的游仙诗,也突破了中唐元白诗派写实讽刺的范畴,体现了超越语境中的现实观照,开拓了诗歌描写的题材,扩大了中国古典神话的内涵,既可以视作对齐梁风格的回归,又具备了一定的词体特征,具有承上启下的特色.

摘要： 古人研究《诗经》,往往以“温柔敦厚”为归依,认为这是诗教。实际上,《诗经》中为数众多的讽刺诗其旨意和感情基调是“怨”而“怒”的。在《诗经》里,有“美”,也有“刺”。所谓“美”,指的是赞歌;所谓“刺”指的就是讽刺诗。

摘要： 法国伟大思想家伏尔泰,一生创作过许多作品,涉及政治、思想、哲学、文学、历史等各个社会科学领域,仅在文学范围内就写过悲剧、喜剧、历史剧、散文剧、歌舞剧、史诗、哲学诗、讽刺诗、抒情诗、故事诗、小说等体裁。

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。