反讽艺术

摘要： 张者小说有自己的特点和定力。在1960年代作家群中,他是一个有领地和思想,有个性和风格的作家。写地域不限空间,而有历史的厚重;写知识分子不守传统,而有人性的悲悯。他虽不先锋,却有先锋派的机智;不大众,却有强烈的时代感受;不炫技巧,却很会讲故事,深谙小说文体的路数。他以真实而丰富的文学景观为新世纪文学提供了一份证明。

摘要： 美国著名作家Philip Roth(菲利普·罗斯)是有着敏锐观察力以及社会责任感的知识分子,其创作的《美国牧歌》不乏巧妙的反讽艺术手法,整部小说具有极强的幽默感,同时也深刻揭示了主题.文章以《美国牧歌》的标题设置、言语以及情境等要素为着眼点,探讨该作品中呈现出的叙事反讽艺术.

摘要： 在英国女作家中,简·奥斯丁是十九世纪最为著名的作家之一.她在代表作品《傲慢与偏见》中,从女性视角对爱情中的傲慢与偏见在不同人物身上的体现进行了淋漓尽致的描写.在带有傲慢与偏见情绪的爱情文字中,幽默和反讽自然成了作者运用的典型表达方式.作者运用精妙的幽默反讽语言,不仅使作品中的人物形象更加丰满生动,也体现了她文学作品的独特风格.针对作品中幽默反讽表达方式的研究,有利于更加准确深刻地体会作者的思想状态,也能够帮助读者体会当时英国女性面对婚姻的鲜明态度.

摘要： "反讽"是一种艺术手法,多应用在文论领域.莎翁在戏剧创作中,对矛盾的本质思考是冷静的,借助于人物角色的颠倒互换,引入"反讽"手法来展现悲喜混杂的审美洞察."反讽"在言语表现上,与内心真实的想法是不同的,在戏剧冲突中,"反讽"艺术独具特色,在揭示悖谬的同时,让观众从中领悟真正的意义.

摘要： 反讽是中外作家都很喜欢也很常用的艺术表现手法,往往为丰满人物形象、营造剧情情节增色不少.在鲁迅先生的作品《药》和英国莎士比亚的作品《威尼斯商人》两部文学作品中,东西方文化中对反讽运用上存在差异,但都体现出高超的反讽艺术手法的运用,同时传达出了深刻的社会含义.

摘要： 文学作品往往是表达作者思想情感的一种艺术表现形式,因此在当前的文学体系创新过程中,针对既有的作品进行结构和内容角度的分析,能够进一步掌控作者的深入情感,而张爱玲是善于利用反讽手法进行创作的作者,其小说具有极为鲜明的艺术特点,因此本文便是建立在《倾城之恋》的基础上,通过小说结构、故事情节以及小说模式探讨其中的反讽艺术,意在通过本文论述能够进一步提升《倾城之恋》这部小说的文学研究价值.

摘要： 在20世纪西方文学世界中,伊夫林· 沃被誉为最有名气的讽刺小说家之一.本文以其代表作《邪恶的躯体》为例,从情境讽刺方面分析沃的反讽艺术.通过作品中人物的期望与事实情形的反差,读者期望与事实情形的反差以及小说的氛围与人物内心流露的不和谐造成的反差等达到情境反讽的目的.

摘要： 反讽作为一种艺术手法,不仅有着戏谑、调侃、怀疑的精神姿态,还体现了作家的智性反思.在《应物兄》中,反讽不仅是一种修辞手法,更是一种深层的内在精神,体现了作家对现实的反思与批判.李洱反讽的对象不仅仅局限于知识分子内部,还指向了更广阔的社会,他站在解构的立场上,看待知识分子的历史逻辑和生存秩序.通过反讽的叙述策略,李洱将知识分子生存的情境和社会关系铺陈开来,揭露了儒学与时代结合过程中出现的诸多问题,体现了对当下中国知识分子的生存与精神境况的思考,从而进一步揭示现实生活的荒诞本质.

摘要： 本发明公开了一种基于条件融合的多模态反讽检测方法。本发明具体步骤：步骤1、对需要进行反讽检测的数据文本进行预训练；对数据文本对应的视频和音频进行编码，得到视频特征和音频特征；步骤2、将处理好的数据文本馈送到编码器TE中；将数据的视频特征和音频特征通过多头注意力机制获得与情感相关的语境信息；步骤3、将语境信息以增量参数的形式加入到编码器的层归一化的增益g和偏置b中，将视频、音频特征融合到文本特征中，获得融合后的语义编码；步骤4、将语义编码通过softmax层进行讽刺的极性分类；本发明方法具有更好的鲁棒性和检测能力，解决了评论文本中的反讽检测问题。

摘要： 本发明公开了一种基于多层次语义胶囊路由的反讽检测方法。本发明步骤：使用GloVe对网络评论和上下文进行词向量嵌入，分别获得网络评论和上下文的文本特征；并将文本特征输入到Transformer模型中进行向量的转换，分别获得网络评论和上下文的隐藏层特征；通过CNN把网络评论的隐藏层特征转化为网络评论的池化特征；把池化特征作为权重使用注意力机制对上下文的隐藏层特征进行权重偏移，获得新的隐藏层特征Ⅰ；把网络评论的隐藏层特征与SenticNet中获得的情感权重相结合，获得新的隐藏层特征Ⅱ；把隐藏层特征Ⅰ和Ⅱ作为低层次的语义胶囊，进行EM路由获得高层次的语义胶囊；最后把高层次的语义胶囊通过SoftMax函数获得最后的分类结果。本发明有效解决了反讽检测分类效果不佳等问题。

摘要： 本发明公开了一种基于句内词对关系和上下文用户特征的反讽检测方法。本发明用自注意力机制(也称内部注意力机制)去分析文本中情感极性矛盾的词对。通过学习并融合用户的书写风格特征和性格特征得到用户嵌入(user embeddings)，作为反讽检测的上下文信息。同时结合LSTM网络编码文本的序列信息。这种方法能够更好的检测反讽表达，在反讽表达明显或者隐晦的情况下都可以取得不错的准确率。其中具体发明的基于句内词对关系和上下文用户特征的反讽检测模型。本发明为反讽检测提供判别依据，有利于判别没有明显矛盾词对的反讽文本。从这两个角度提高了反讽检测的准确率。

摘要： 本发明公开了一种基于知识图谱和跨模态注意力的多模态反讽检测方法。本发明根据Bert模型构建跨模态注意力特征向量，以及运用多模态知识图谱来获取外部信息，并对外部信息进行筛选。跨模态注意力构建的是音频信息与文本句信息以及情感值向量三者的关系，通过音频信息向量与情感值向量之间的联系与影响来计算注意力，以此来关注句中的矛盾表达。而外部知识信息的筛选，则是运用文本抽取的信息与知识图谱检索的外部信息相似度进行。最后将获取的各个类型的特征向量，输入到分类层进行分类。本发明能够很好解决了不同模态信息的融合问题，能够关注句内的矛盾也能提取不同模态的不一致性特征，能够提高反讽检测任务的准确性。

摘要： 本发明属于人工智能自然语言处理领域，具体涉及一种直白文本到反讽文本的文本风格转换方法及装置，包括：首先利用爬虫技术获得若干社交平台的评论数据，从中抽取具有明显情感倾向性的评论样本并打上标签，得到正负情感极性的平衡数据集，构建正负情感二分类的情感倾向性分类模型；基于正负情感二分类的情感倾向性分类模型构建模块构造名词‑形容词正负情感极性搭配表；然后通过转换模块对文本样本执行中心词与评价词的定位，并针对评价词进行正向情感极性替换；最后追加正向情感极性的评价句；本发明提出的方法适用于负面情感极性的文本，针对直白负面情感倾向性的文本进行风格转换，最终在不改变文本原意的前提下生成具有反讽内涵的文本。

摘要： 本发明属于自然语言处理领域，涉及一种基于卷积神经网络和注意力机制的反讽识别模型。包括：S1.文本表示层；S2.语义特征提取层；S3.反讽语义关系建模层；S4.反讽意图判别层。有益效果：本发明能够识别出社交媒体中潜在的反讽表达，挖掘出用户的真实情感倾向，该模型弥补了传统序列模型的不足，实现了句子内部序列之间情感语义关系的建模，同时相比于现有的基于词对矛盾的反讽识别方法，该模型更容易捕捉到反讽效果产生的语义矛盾信息，提高了反讽识别任务的准确性，通过卷积操作隐式地将句子分割成短语片段来提取更高层次的语义特征；可以更准确的捕捉句子短语片段之间的语义不一致性信息。

摘要： 本发明公开了一种基于条件融合的多模态反讽检测方法。本发明具体步骤：步骤1、对需要进行反讽检测的数据文本进行预训练；对数据文本对应的视频和音频进行编码，得到视频特征和音频特征；步骤2、将处理好的数据文本馈送到编码器TE中；将数据的视频特征和音频特征通过多头注意力机制获得与情感相关的语境信息；步骤3、将语境信息以增量参数的形式加入到编码器的层归一化的增益g和偏置b中，将视频、音频特征融合到文本特征中，获得融合后的语义编码；步骤4、将语义编码通过softmax层进行讽刺的极性分类；本发明方法具有更好的鲁棒性和检测能力，解决了评论文本中的反讽检测问题。

摘要： 本发明涉及语音识别检测技术领域，公开了一种语音反讽检测方法、系统、终端设备和存储介质，包括：对输入的语音特征向量进行文本表征提取，获取输入的语音特征向量的语义信息；对输入的语音特征向量进行非文本表征提取，获取输入的语音特征向量的生理信息；将提取的语义信息和生理信息进行向量拼接，作为k层全连接网络的输入向量，经训练得到输入的语音特征向量的反讽识别结果。本发明在使用一般书面文本作为反讽检测任务输入的同时，对原始音频中隐含的情绪、语气和停顿等非文本特征加以利用，并将两类特征转化为高层次表征，将结果合并起来进行决策，以达到更好的反讽识别准确率。

摘要： 本发明公开了一种基于多层次语义胶囊路由的反讽检测方法。本发明步骤：使用GloVe对网络评论和上下文进行词向量嵌入，分别获得网络评论和上下文的文本特征；并将文本特征输入到Transformer模型中进行向量的转换，分别获得网络评论和上下文的隐藏层特征；通过CNN把网络评论的隐藏层特征转化为网络评论的池化特征；把池化特征作为权重使用注意力机制对上下文的隐藏层特征进行权重偏移，获得新的隐藏层特征Ⅰ；把网络评论的隐藏层特征与SenticNet中获得的情感权重相结合，获得新的隐藏层特征Ⅱ；把隐藏层特征Ⅰ和Ⅱ作为低层次的语义胶囊，进行EM路由获得高层次的语义胶囊；最后把高层次的语义胶囊通过SoftMax函数获得最后的分类结果。本发明有效解决了反讽检测分类效果不佳等问题。

摘要： 本发明公开了一种基于句内词对关系和上下文用户特征的反讽检测方法。本发明用自注意力机制(也称内部注意力机制)去分析文本中情感极性矛盾的词对。通过学习并融合用户的书写风格特征和性格特征得到用户嵌入(user embeddings)，作为反讽检测的上下文信息。同时结合LSTM网络编码文本的序列信息。这种方法能够更好的检测反讽表达，在反讽表达明显或者隐晦的情况下都可以取得不错的准确率。其中具体发明的基于句内词对关系和上下文用户特征的反讽检测模型。本发明为反讽检测提供判别依据，有利于判别没有明显矛盾词对的反讽文本。从这两个角度提高了反讽检测的准确率。