PulseAugur
中
实时 09:33:12
English(EN) MultiHuSE: A Multimodal Dataset for Humour Styles and Emotions

新的多模态数据集MultiHuSE旨在提高AI对幽默的理解能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了MultiHuSE，一个旨在推进计算幽默识别的新多模态数据集。该数据集包含2,407个视频，由50名演员表演1,463个文本样本，涵盖四种心理幽默风格和中性内容，其中一部分还标注了情感。初步实验表明，在幽默风格分类方面，多模态融合方法优于单模态方法，尤其是在亲和性幽默方面，这表明结合视觉和文本数据的价值。 AI

影响 该数据集可以实现更细致的AI模型来理解和生成幽默，从而影响人机交互。

排序理由 该条目是一篇研究论文，详细介绍了一个用于AI研究的新数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

新的多模态数据集MultiHuSE旨在提高AI对幽默的理解能力

本文如何被排名

Signal score
13 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目是一篇研究论文，详细介绍了一个用于AI研究的新数据集。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Mary Ogbuka Kenneth, Foaad Khosmood, Abbas Edalat ·

    MultiHuSE：一种多模态数据集，用于幽默风格和情感

    arXiv:2609.11322v1 Announce Type: new Abstract: Computational recognition of verbal humour remains a challenging task, requiring an understanding of language, delivery style, emotions, and cultural context. Most existing approaches focus on binary classification and lack datasets…

相关实体

相关话题