Humor logic mechanism classification

Para un tuit humorístico, esta tarea consiste en predecir el mecanismo mediante el cual el tuit transmite el humor de un conjunto predefinido de categorías:

  • Absurdo: El humor proviene de una inconsistencia lógica en el razonamiento.
  • Analogía: Es una comparación entre elementos disímiles.
  • Vergüenza: En el remate, uno de los participantes avergüenza o humilla a otro.
  • Exageración: Hay una situación o comparación exagerada.
  • Insultos: Se hacen insultos a los personajes del chiste o a personas de la vida real.
  • Ironía: Dicen algo pero significan lo contrario, o describen una situación contradictoria.
  • Malentendido: El humor proviene de que un participante entiende mal una pregunta o una situación.
  • Parodia: El texto es similar a otro texto o obra conocida (por ejemplo, una canción, un dicho o un diálogo de película), pero se modifica para hacerlo humorístico.
  • Referencia: Describe una situación de la vida real, generalmente mundana, a la que el lector puede o no identificarse, pero cuando el lector se identifica con la situación, resulta en un efecto humorístico.
  • Estereotipo: El humor proviene de usar a un grupo social, etnia o profesión para resaltar una característica estereotipada.
  • Desenmascaramiento: El humor proviene de un personaje que actúa de cierta manera y luego muestra que sus intenciones o características eran diferentes de lo que se pensaba inicialmente.
  • Juego de palabras: Utiliza la ambigüedad de las palabras, palabras inventadas o combinaciones de palabras para dar un sentido humorístico.
Publicación
Luis Chiruzzo, Santiago Castro, Santiago Góngora, Aiala Rosa, J. A. Meaney, Rada Mihalcean(2021) Overview of HAHA at IberLEF 2021: Detecting, Rating and Analyzing Humor in Spanish. Procesamiento del Lenguaje Natural, Revista nº 67, septiembre de 2021, pp. 257-268.
Idioma
Español
Tarea abstracta
Dataset
Año
2021
Métrica Ranking
Macro F1

Mejores resultados para la tarea

Sistema MacroF1
kuiyongyi 0.2187
icc 0.2522
Jocoso 0.2916
BERT4EVER 0.3396
skblaz 0.2355

Si has publicado un resultado mejor que los de la lista, envía un mensaje a odesia-comunicacion@lsi.uned.es indicando el resultado y el DOI del artículo, junto con una copia del mismo si no está publicado en abierto.