2023年12月13日实验室举行了博士生闵昶榮的博士学位论文答辩会，闵昶榮博士顺利通过博士答辩，获得了博士学位。闵昶榮博士的多项研究成果发表在ACL，EMNLP，Information Fusion等NLP领域国际顶级会议、期刊上，获得CCL2023中文最佳论文。闵昶榮的博士论文题目是《 语言认知与知识驱动的情感分析技术研究》，其指导教师为林鸿飞教授。论文摘要如下：

随着网络社交媒体平台的发展壮大，每天都会产生大量带有情感色彩的主观性文本。这些主观情感表达通过幽默、隐喻、反讽、仇恨言论、双关语等多种语言现象实现，利用修辞或者事实信息来实现特定的会话功能。本文主要围绕仇恨言论、反讽以及幽默三种情感语言现象进行研究。这三种语言现象基本不依赖于明显的情感线索，都是间接、隐晦的表达其情感倾向。对于情感表达的接收者而言，理解这三种语言现象中的隐式情感表达手段依赖于个体丰富的背景知识以及良好的认知能力。并且，由于上述三种语言现象各自具有特定的会话功能与目标，因此它们所对应的语言认知理论与过程也是独特的。

然而，现有的文本情感分析方法对于隐式情感表达手段的研究不够深入，未能充分运用现实世界的常识知识，并且忽略了这些情感语言现象的语言认知特点，比如人类在理解这些语言现象时所依赖的认知能力或者相关要素，以及这些要素在认知过程中的加工方式。导致了这些方法无法准确的捕捉仇恨言论、反讽以及幽默的文本语义。因此，如何充分结合仇恨言论、反讽以及幽默三种情感语言现象各自的语言认知特点，在深度学习框架的支撑下，充分运用相关的常识信息与背景知识，来理解这些表达方式中的隐式情感表达手段，实现仇恨言论检测、反讽识别以及幽默识别这三个任务是本文的研究重点。其研究成果对于有效提升机器的情感智能水平具有重要意义。本文具体研究内容如下：

(1) 对于仇恨言论检测任务，针对于当前仇恨言论检测方法忽略了仇恨与负面情绪存在高度关联的问题，提出了一种基于情绪辅助的多标签自训练仇恨言论检测方法。该方法以仇恨-情绪关联理论为基础，首先在多任务学习框架下引入辅助情绪检测任务。然后，进一步考虑到仇恨与愤怒、厌恶等负面情绪具有强关联，该方法认为每个仇恨言论样本包含一个潜在的情绪标签。受此启发，在多任务学习框架下利用多标签学习捕捉仇恨与情绪之间的标签语义关联，充分利用辅助任务所提供的情绪知识。实验选取三个公开的仇恨言论检测数据集进行验证。结果表明，所提出方法能够有效提升仇恨言论检测的性能。

(2) 对于反讽识别任务，针对于当前反讽识别方法忽略了人类以特定方式利用常识信息理解反讽意图的问题，提出了一种基于动态事件常识增强的反讽识别方法。该方法首先利用动态常识推理工具推断反讽表达所涉及负面语境的事件潜在结果以及反讽发起者的心理状态。然后在直接通达假说的启发下，以上述推断结果作为补充，采用拼接方式构建事件常识增强的反讽样本。最后，考虑到推断结果中可能存在噪声，利用降噪图编码器，从图学习角度降低常识噪声的不良影响并充分利用常识信息捕捉反讽语义。实验选取四个公开的反讽识别数据集进行验证。结果表明，所提出方法能够有效提升反讽识别的性能。

  (3) 对于幽默识别任务，针对于当前幽默识别方法忽略了幽默与反讽的相关性以及二者表达过程中存在情绪动态变化的问题，提出一种基于多任务图学习与情绪动态关联的幽默识别方法。该方法在优越论与乖谐论的启发下，在多任务学习框架下引入反讽识别任务，实现两个任务间的语义知识共享。更重要的是，考虑到情绪作为幽默表达中的必要因素，引入辅助情绪检测任务，通过情绪降噪图编码器将每个幽默文本与相关情绪标签充分关联，并剔除噪声情绪。最终学习到反讽与情绪知识增强的幽默文本表示。实验选取两个公开的幽默识别数据集进行验证。结果表明，所提出方法能够有效提升幽默识别的性能。