본 논문은 유머 스타일 분류에 대한 설명 가능한 AI (XAI) 프레임워크를 제시합니다. 기존 연구에서 최고 성능을 보인 ALI+XGBoost 모델을 기반으로, 언어적, 정서적, 의미적 특징이 유머 스타일 분류 결정에 어떻게 기여하는지 분석합니다. 특히, 친화적 유머와 다른 유머 스타일의 구분에 대한 어려움을 중점적으로 다루며, 특징 중요도, 오류 패턴, 잘못 분류된 사례에 대한 상세한 검토를 통해 모델 결정에 영향을 미치는 주요 요인(정서적 모호성, 문맥 오류 해석, 표적 식별 등)을 파악합니다. 이를 통해 유머 스타일을 정의하는 특징들의 복잡한 상호 작용에 대한 해석 가능한 통찰력을 얻고, 계산적 유머 분석에 대한 이론적 이해와 정신 건강, 콘텐츠 조정, 디지털 인문학 연구 등의 실제 응용에 기여합니다.
