恭喜宜儒 (Jessica) 以優異成績通過碩論。論文題目為「以計算與認知觀點預測分析梗圖裡的黑色幽默」(Predicting Dark Humor in Internet Memes: A Computational and Cognitive Approach) 摘要 本論文主要核心內容為運用神經網路模型 (neural network) 來預測網路迷因 (internet memes) 的黑色幽默程度,並藉用認知語言學的觀點來解釋模型結果。 根據本研究的定義,地獄哏 (hellish gags) 梗圖常用來傳達“黑色幽默”的效果, 指的是以他人或是自身的殘障、悲劇或其他足以引人悲傷、憤怒的事情做為幽默、笑點的梗圖。不過,卻也時常因文本呈現的手法太過獨特,使閱聽者「忍不住覺 得好笑」,游移於「道德」與「不道德」間的模糊地帶。本研究將黑色幽默視為一 個連續體 (continuum) 現象,最極致的一端為已失去幽默效果的仇恨言論,是純 粹以攻擊個人或團體為目的的言論,例如:性別、人種、宗教、族群、殘疾或性 取向等。透過這樣的標準,我們運用神經網路模型來預測一個梗圖裡的黑色幽默 程度,若我們的模型顯示黑色幽默程度過高,極有可能暗示它是已失去幽默效果 的冒犯性梗圖 (offensive meme)。 研究結果顯示,透過運用梗圖裡的字幕、圖片、及模板名稱,我們的模型可以 達到 64% 的預測效果。並且,多模態 (multimodal) 預測模型也顯示字幕及模板 名稱對於預測黑色幽默有最好的效果。此外,由於幽默涉及人類認知經驗,因此 本研究借用認知語言學研究提出理解梗圖所需的四種能力,比較人類與機器在理 解梗圖歷程上的差異。若能將人類理解梗圖幽默所運用的知識轉化為機器學習的 特徵,相信會對機器在理解幽默上有所幫助。總結而言,本研究主要貢獻有二: 一是透過計算模型來自動篩選出冒犯性梗圖;二是結合認知上的觀點來解釋、分 析神經網路模型的結果,希望藉此增進對於黑色幽默梗圖的認識。 關鍵詞: 黑色幽默、地獄哏、多模態幽默、神經網路模型、認知語言學