Ny AI kan detektere sarkasme på sociale medier

Forskere ved University of Central Florida har udviklet et nyt kunstig intelligens-værktøj, der kan detektere sarkasme på sociale medier. Ifølge teamet er dette værktøj meget nyttigt for virksomheder, der ønsker at forbedre og besvare kundefeedback på sociale medier som Twitter og Facebook. Det er ekstremt svært at følge med denne proces manuelt.

En af de vigtigste aspekter af værktøjet er sentimentanalyse, som er den automatiserede proces til at identificere positive, negative og neutrale følelser i tekst. Sentimentanalyse fokuserer på at identificere emotionel kommunikation, mens AI fokuserer på logisk analyse og respons.

Den nye forskning blev offentliggjort i tidsskriftet Entropy.

At lære modellen at detektere sarkasme

Computermodellen blev lært at detektere mønstre, der indikerer sarkasme, og den blev lært at identificere bestemte cue-ord i en sætning, der indikerer sarkasme. Dette blev opnået ved, at teamet fødede modellen store datasæt og forbedrede dens nøjagtighed.

Ivan Garibay er en adjunkt i industrielt ingeniørarbejde og ledelse. Han har en ph.d. i datalogi fra UCF og er direktør for UCF’s kunstig intelligens- og big data-initiativ i CASL og en masteruddannelse i dataanalyse.

“Tilstedeværelsen af sarkasme i tekst er det største hindring i ydelsen af sentimentanalyse,” siger Garibay. “Sarkasme er ikke altid let at identificere i samtale, så du kan forestille dig, det er ret udfordrende for et computerprogram at gøre det og gøre det godt. Vi udviklede en fortolkelig dyb læringmodel med multi-head self-attention og gated recurrent units. Multi-head self-attention-modulen hjælper med at identificere væsentlige sarcastiske cue-ord fra input, og de rekurrente enheder lærer lange afhængigheder mellem disse cue-ord for bedre at klassificere inputteksten.”

Garibay blev ledsaget af datalogi-doktoranden Ramya Akula og Brian Kettler, en programleder i DARPA’s Information Innovation Office (I2O).

Udfordringerne ved tekst

“Sarkasme har været et større hinder for at øge nøjagtigheden af sentimentanalyse, især på sociale medier, da sarkasme afhænger stærkt af vokale toner, ansigtsudtryk og gestus, som ikke kan repræsenteres i tekst,” siger Kettler. “At genkende sarkasme i tekstuel onlinekommunikation er ingen let opgave, da ingen af disse signaler er let tilgængelige.”

Forskere fra Garibays Complex Adaptive Systems Lab (CASL) afhænger af datavidenskab, netværksvidenskab, kompleksitetsvidenskab, kognitionsvidenskab, maskinlæring, dyb læring, samfundsvidenskab, teamkognition og andre tilgange for at imødegå disse udfordringer.

Akula er en doktorand og forskningsassistent ved CASL og en doktorand. Hun har en masteruddannelse i datalogi fra Technical University of Kaiserslautern i Tyskland og en bacheloruddannelse i datalogi fra Jawaharlal Nehru Technological University i Indien.

“I ansigt-til-ansigt-samtale kan sarkasme identificeres let ved hjælp af ansigtsudtryk, gestus og tone af taleren,” siger Akula. “At detektere sarkasme i tekstuel kommunikation er ikke en trivial opgave, da ingen af disse signaler er let tilgængelige. Især med den eksplosive internetbrug er sarkasmedetektion i onlinekommunikation fra sociale netværkssider endnu mere udfordrende.”