Ny AI kan detektere sarkasme på sociale medier

Forskere ved University of Central Florida har udviklet et nyt kunstig intelligens-værktøj (AI), der kan detektere sarkasme på sociale medier. Ifølge teamet er dette værktøj ekstremt nyttigt for virksomheder, der søger at forbedre og besvare kundeFeedback på større sociale medieplatforme som Twitter og Facebook. Det er ekstremt svært at følge med i 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 inden for tekst. Sentimentanalyse er fokuseret på at identificere emotionel kommunikation, mens AI er fokuseret på logisk analyse og respons.

Den nye forskning er offentliggjort i tidsskriftet Entropy.

At lære modellen til at detektere sarkasme

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

Ivan Garibay er en assistant professor i Industrial Engineering and Management Systems. Han har grader, der inkluderer en Ph.D. i computervidenskab fra UCF, og han er direktør for UCF’s Artificial Intelligence and Big Data Initiative of CASL og en masteruddannelse i dataanalyse.

“Tilstedeværelsen af sarkasme i tekst er den primære 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 ved hjælp af multi-head self-attention og gated recurrent units. Den multi-head self-attention-modul hjælper med at identificere væsentlige sarkastiske signalord fra input, og de rekurrente enheder lærer langsigtede afhængigheder mellem disse signalord for bedre at klassificere inputteksten.”

Garibay blev ført af computer science doktorstuderende Ramya Akula og Brian Kettler, en programmanager i DARPA’s Information Innovation Office (I2O).

Udfordringerne ved tekst

“Sarkasme har været en stor forhindring for at øge nøjagtigheden af sentimentanalyse, især på sociale medier, da sarkasme afhænger stærkt af vokaltone, 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 lettilgængelige.”

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

Akula er en forskningsassistent ved CASL og en doktorstuderende. Hun har en mastergrad i computervidenskab fra Technical University of Kaiserslautern i Tyskland og en bachelorgrad i computervidenskab fra Jawaharlal Nehru Technological University i Indien.

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