探索幽默的深度：MUStARD——多模态讽刺检测数据集

MUStARD是一个专为自动化讽刺发现研究设计的多模态视频数据库。这个创新的开源项目由ACL 2019会议的一篇论文提出，旨在推动自然语言处理领域对非言语暗示的理解。该项目通过收集《老友记》、《黄金女郎》、《生活大爆炸》等流行电视节目的片段，构建了一个含有音频和视觉信息的语料库，并对其中的表达进行了讽刺标签标注。

项目介绍

MUStARD的核心是其精心编译的多模态视频集合，这些视频来源于知名电视剧，每段视频都包含一个被标注为讽刺或非讽刺的口语片段，以及其上下文信息。每个实例都有详细的文本转录，使研究者能深入理解特定情境下的讽刺含义。例如，如下图所示，一句“能看到你的思维在工作中真是荣幸”可能是讽刺性的，因为它在对话中起到了反讽的作用。

来自数据集的一个讽刺性例子，包括上下文和转录。

技术分析

MUStARD的数据格式清晰明了，方便研究人员处理。每一实例以唯一的标识符（如"1_60"）表示，包含如下信息：

• 目标表达的文本
• 表达者的姓名
• 上下文（按时间顺序排列）
• 上下文发言者
• 讽刺标签（二进制）

项目还提供了用于训练和评估的工具，包括预训练的GloVe词向量和BERT特征提取。通过运行提供的脚本，您可以轻松地设置环境并训练支持向量机(SVM)模型来检测讽刺。

应用场景

MUStARD适用于多个领域，包括但不限于：

• 自然语言处理：深入理解非字面意义和情感色彩
• 情感分析：提升对复杂情感表达的识别能力
• 对话系统：创建更人性化、能够理解和回应讽刺的聊天机器人

项目特点

• 多模态：结合了音频和视频，更全面地捕捉讽刺的非言语线索。
• 丰富上下文：每个例子都提供了情境背景，有助于理解讽刺的意图和效果。
• 易于使用：清晰的数据结构和文档，便于导入和处理数据。
• 社区驱动：作为开源项目，它鼓励开发者分享改进和扩展。

如果你希望深入了解人类交流中的微妙之处，或者想在你的项目中加入讽刺识别功能，那么MUStARD是你理想的起点。请务必正确引用相关论文，与社区共享你的研究成果。

@inproceedings{mustard,
    title = "面向多模态讽刺检测的研究（一个 _显然_ 完美的论文）",
    author = "卡斯特罗, 萨尔瓦多  和
      哈扎里卡, 德瓦曼尼  和
      帕雷霍-罗萨斯, 维罗尼卡  和
      兹默尔曼, 罗杰  和
      米哈利切亚, 拉达  和
      波莉亚, 苏贾尼亚",
    booktitle = "计算语言学协会第57届年会论文集（第一卷：长篇论文）",
    month = "7",
    year = "2019",
    address = "意大利佛罗伦萨",
    publisher = "计算语言学协会",
}

现在就动身，探索MUStARD的讽刺世界，开启一段充满智慧与幽默的技术之旅吧！