反应式监督：一种收集讽刺数据的新方法
Reactive Supervision: A New Method for Collecting Sarcasm Data
AI总结：
提出反应式监督方法，利用在线对话动态特性克服现有数据收集局限，构建首个带讽刺视角标签的大规模推文数据集，推动讽刺检测及情感计算研究。
摘要：
讽刺检测是情感计算中的重要任务，需要大量标注数据。我们引入了反应式监督（reactive supervision），这是一种新颖的数据收集方法，利用在线对话的动态特性来克服现有数据收集技术的局限性。我们使用这种新方法创建并发布了首个此类大规模推文数据集，带有讽刺视角标签和新的上下文特征。该数据集有望推动讽刺检测研究。我们的方法可适应其他情感计算领域，从而开辟新的研究机会。
英文摘要：
Sarcasm detection is an important task in affective computing, requiring large amounts of labeled data. We introduce reactive supervision, a novel data collection method that utilizes the dynamics of online conversations to overcome the limitations of existing data collection techniques. We use the new method to create and release a first-of-its-kind large dataset of tweets with sarcasm perspective labels and new contextual features. The dataset is expected to advance sarcasm detection research. Our method can be adapted to other affective computing domains, thus opening up new research opportunities.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
