面向社交媒体的讽刺检测研究综述.pdfVIP

第42卷第4期计算机应用研究Vol.42No.4

2025年4月ApplicationResearchofComputersApr.2025

面向社交媒体的讽刺检测研究综述*

余本功bt，李晨越“

（合肥工业大学a.管理学院；b.过程优化与智能决策教育部重点实验室，合肥230009)

摘要：近年，网络社交媒体充斥着丰富的自由言论，而检测其中的讽刺语义作为一种特殊的情感分析引发了

越来越多的关注。为了更好地研究面向社交媒体的讽刺检测，回顾了传统方法和基于深度学习方法的演进过

程，并从文本讽刺检测和多模态讽刺检测两种角度来系统分析其发展趋势。首先，对讽刺检测的数据集进行了

归纳；其次,探讨句子级、附加语境、知识和辅助任务的文本讽刺检测,详细阐述注意力机制、预训练模型、图神经

网络和量子神经网络在多模态讽刺信息融合中起到的作用；接下来展望该领域的应用前景；最后总结当前研究

现状与挑战，并结合近期大语言模型的发展提出讽刺检测可能的研究方向，为未来研究人员创新讽刺检测方法

提供了参考和帮助。

关键词：讽刺检测；社交媒体；多模态；研究综述

中图分类号：TP391文献标志码：A文章编号：1001-3695(2025)04-001-0961-14

doi:10.19734/j.issn.1001-3695.2024.08.0317

Comprehensivereviewofsarcasmdetectionforsocialmedia

YuBengog,LiChenyue.

(a.SchoolofManagement,b.KeyLaboratoryofProcessOptimizationIntelligentDecision-Making(MinistryofEducation),HefeiUniversity

ofTechnology,Hefei230009,China)

Abstract:Inrecentyears,onlinesocialmediaplatformshavebecomesaturatedwithadiverserangeoffreeexpression,lea-

dingtoheightenedattentiononthedetectionofsarcasticsemanticsasaspecializedformofsentimentanalysis.Toenhancethe

studyofsarcasmdetectioninsocialmediacontexts,thispaperreviewedtheevolutionofbothtraditionalmethodologiesand

deeplearningtechniques,systematicallyanalyzingtheirdevelopmentaltrendsfromtwoperspectives:textualsarcasmdetection

andmultimodalsarcasmdetection.Firstly,thispapercompiledandsummarizedthedatasetsutilizedforsarcasmdetection.

Next,thispaperinvestigatedsentence-leveldetection,contextualaugmentation,knowledgeintegration,andauxiliarytasks

withintextualsarcasmdetect