تعتبر السخرية في التواصل البشري تحديًا كبيرًا، خاصةً عندما نحاول فهمها من خلال النصوص فقط. هنا يأتي دور نموذج PC-MNet، الذي يهدف إلى تسليط الضوء على الفجوات بين النصوص الحرفية والإشارات غير اللفظية.

لقد حاز تحليل السخرية المتعددة الوسائط (Multimodal Sarcasm Detection) على اهتمام كبير في السنوات الأخيرة، ومع تزايد استخدام الوسائط المتعددة في التواصل، أصبح من الضروري تطوير تقنيات قادرة على رصد الفوارق الدقيقة بين المعاني. على الرغم من أن النماذج السابقة اعتمدت على آليات انتباه تعتمد على التشابه الأساسي، فإن PC-MNet يتجاوز هذا بفضل دمجه لآلية توجيه توافقية متقدمة.

يعمل النموذج من خلال استراتيجيتين رئيسيتين: أسلوب التوافق على مستويين (Dual-Level Congruity Modeling) ودمج الجدول الزمني للبيانات بطريقة ديناميكية. تقوم آلية الانتباه الموجه (Polarity-Modulated Attention) بتحديد الأدلة الأكثر تميّزًا من بيانات متعددة الجوانب، وهذا يقلل من خطر الارتباطات الزائفة، مما يعزز دقة النتائج.

وقد أثبتت التجارب الدقيقة التي أجريت على مجموعة بيانات MUStARD وفرتها بجودة أعلى. فقد حققت النهج الجديد تقدمًا ملحوظًا بنسبة 3.14% في مؤشر Macro-F1 مقارنةً بالنماذج السابقة، مما يجعله الأفضل في مجاله.

ببساطة، يوفر PC-MNet نهجًا قويًا لفهم التعابير الدقيقة في التواصل البشري، مما يفتح آفاقًا واسعة لتحسين احترام الفجوات السلوكية بين النصوص والإشارات غير اللفظية.