新的笑话幽默度量标准显示出潜力，尽管预测准确性不佳

研究人员探索了笑话中双关语的语义距离，此前有研究表明，幽默感随着相关词语的频率和稀有度以及概念之间的歧义和意义距离的增加而增加。该研究使用 OpenAI text-embedding-3-small 和 MiniLM all-MiniLM-L6-v2 这两个嵌入模型对笑话数据集进行分析，发现基于提出的度量标准训练的模型在预测幽默度评分方面表现不佳。然而，新引入的对称性度量标准与评分较高的笑话之间存在一致的关联，表明它可能是幽默感的必要组成部分。 AI

影响 引入了新的幽默分析度量标准，有可能提高 AI 对文字游戏和笑话的理解能力。

排序理由 学术论文，提出了计算幽默研究的新度量标准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• Expunations
• Hugging Face
• JokeJudger
• Matthews
• MiniLM all-MiniLM-L6-v2
• OpenAI
• Petrović
• rJokes
• text-embedding-3-small
• Winters
• Word2Vector

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →