DCID：一种基于双重路径和认知启发式的中文讽刺检测框架，采用大语言模型（LLM）增强数据

《Expert Systems with Applications》：DCID: A Dual-Path Cognitive-Inspired Framework for Chinese Sarcasm Detection with LLM-Augmented Data

　　

王子轩|冯志勇|拉菲乌尔·哈克|曾岩|曹文琪|廖桥

摘要

中文的语言特性以及中国文化特有的表达方式，使得在中文社交媒体上检测讽刺言论变得极其困难。本文提出了双路径认知讽刺检测器（DCID），这是一种模拟人类平行认知过程的神经网络架构，用于识别讽刺内容。该框架包含两个专门模块：多维语义冲突检测器（MSCD），它利用分层的三层注意力机制逐步识别语义矛盾；情感演化轨迹追踪器（EETT），则结合多尺度卷积分析和情感感知序列建模来捕捉动态的情感变化。为了解决数据稀缺问题，我们基于DeepSeek语言模型提出了一种新的数据增强方法，该方法在生成标签时能够保留讽刺特征的同时丰富表面形式。在中国TikTok讽刺语料库上的实验结果表明，DCID的F1分数为89.29%，准确率为89.43%，AUC为96.06%，创下了新的最佳水平。我们的研究表明，受认知启发的架构有助于检测复杂的语言现象，并为构建基于认知的自然语言理解技术提供了实用的建议。