CLEF 2024 JOKER Track: Analyse Automatique de l'humour

Liana Ermakova
Anne-Gwenn Bosser
Tristan Miller
Tremaine Thomas-Young
Victor Manuel Palma Preciado
Grigori Sidorov
Adam Jatowt
DOI
10.24348/coria.2024.abstract_30
Résumé

Le track JOKER de la conférence et des laboratoires du forum d’évaluation (CLEF) vise à encourager la recherche sur le traitement automatisé de l’humour verbal, y compris des tâches telles que la recherche, la classification, l’interprétation, la génération et la traduction. Malgré le succès retentissant des grands modèles linguistiques, le traitement automatique de l’humour et des jeux de mots est loin d’être un problème résolu. JOKER rassemble des experts en sciences sociales et informatiques et les encourage à collaborer sur des tâches communes à l’aide d’ensembles de données annotées dont la qualité est contrôlée. En 2024, nous proposerons des tâches partagées entièrement nouvelles sur la recherche d’informations basée sur l’humour, ainsi que sur l’analyse fine des sentiments et la classification de l’humour pour les agents conversationnels. Comme lors des précédents JOKER tracks, nous mettrons également nos données à disposition pour une tâche non partagée qui sollicite de nouveaux cas d’utilisation. Dans cet article, nous présentons une brève rétrospective des JOKER tracks, en mettant l’accent sur les résultats et les enseignements tirés de l’itération de l’année dernière, et nous donnons un aperçu des tâches qui seront organisées lors de JOKER~2024.