FenixEdu™

Dissertação

From Humor Categories to Funniness Prediction EVALUATED

Detalhes: O humor é um fenómeno multifacetado que engloba vários temas e formas, e a perceção da sua qualidade varia muito entre indivíduos. Investigações prévias procuraram categorizar o humor através de taxonomias ou desenvolver modelos preditivos de apreciação humorística individual, mas são raros os casos em que ambos são considerados simultaneamente. Este estudo investiga a possível ligação entre tipos de humor e a perceção de "comicidade", analisando se o conhecimento dos tipos de humor num texto pode melhorar as previsões de satisfação individual. Utilizámos o conjunto de dados Jester, que contém classificações de comicidade atribuídas por utilizadores a uma série de piadas, juntando aos dados anotações de técnicas humorísticas utilizadas em cada piada, usando uma taxonomia desenvolvida para o efeito. Realizaram-se duas experiências distintas. A primeira consiste no clustering de piadas e utilizadores, seguida de uma análise da relação entre esses clusters e as técnicas humorísticas. Os resultados indicam que as técnicas humorísticas não têm uma relação significativa com as classificações de comicidade, quer nos clusters de piadas como nos de utilizadores. Na segunda experiência desenvolveram-se modelos preditivos para avaliar se a inclusão de anotações de tipos de humor nas entradas dos modelos melhora a previsão da classificação de comicidade. Os resultados sugerem que as anotações de tipos de humor não proporcionam um aumento mensurável na precisão preditiva. Este trabalho oferece uma exploração inicial da relação entre tipos de humor e apreciação humorística, contribuindo com uma base que poderá servir para futuros estudos.
Keywords: Humor, Conjunto de Dados, Aprendizagem Automática, Agrupamentos de Dados, Grandes Modelos de Linguagem

Discussão: novembro 13, 2024, 15:0

Documentos da dissertação ainda não disponíveis publicamente