Neues KI-System zur Erkennung von Sarkasmus in sozialen Medien

Forscher an der University of Central Florida haben ein neues KI-Tool entwickelt, das Sarkasmus in sozialen Medien erkennen kann. Laut dem Team ist dieses Tool für Unternehmen sehr nützlich, um Kundenfeedback auf Top-Plattformen wie Twitter und Facebook (META ) besser zu verstehen und darauf zu reagieren. Es ist extrem schwierig, diesen Prozess manuell zu bewältigen.

Einer der wichtigsten Aspekte des Tools ist die Sentiment-Analyse, also der automatisierte Prozess der Identifizierung von positiven, negativen und neutralen Emotionen in Texten. Die Sentiment-Analyse konzentriert sich auf die Identifizierung von emotionaler Kommunikation, während KI auf logische Analyse und Reaktion ausgerichtet ist.

Die neue Forschung wurde im Journal Entropy veröffentlicht.

Das Trainieren des Modells zur Erkennung von Sarkasmus

Das Computermodell wurde trainiert, um Muster zu erkennen, die Sarkasmus anzeigen, und es wurde trainiert, spezifische Cue-Wörter in einem Satz zu identifizieren, die Sarkasmus anzeigen. Dies wurde durch das Füttern des Modells mit großen Datenmengen und die Verbesserung seiner Genauigkeit erreicht.

Ivan Garibay ist Assistant Professor im Bereich Industrial Engineering und Management Systems. Er hat Abschlüsse, darunter einen Ph.D. in Informatik von der UCF, und er ist Direktor des UCF-Initiativs für künstliche Intelligenz und Big Data von CASL und eines Master-Programms in Data-Analytics.

“Die Anwesenheit von Sarkasmus in Texten ist das Haupt-Hindernis bei der Leistung der Sentiment-Analyse”, sagt Garibay. “Sarkasmus ist nicht immer leicht zu erkennen, also kann man sich vorstellen, dass es für ein Computerprogramm noch viel schwieriger ist. Wir haben ein interpretierbares Deep-Learning-Modell mit multi-head-Self-Attention und gated recurrent units entwickelt. Der multi-head-Self-Attention-Modul hilft dabei, wichtige sarkastische Cue-Wörter aus der Eingabe zu identifizieren, und die recurrent units lernen langfristige Abhängigkeiten zwischen diesen Cue-Wörtern, um den Eingabetext besser zu klassifizieren.”

Garibay wurde von Ramya Akula, einer Doktorandin im Bereich Informatik, und Brian Kettler, einem Programm-Manager im Information Innovation Office (I2O) von DARPA, unterstützt.

Herausforderungen von Texten

“Sarkasmus ist ein großes Hindernis für die Erhöhung der Genauigkeit der Sentiment-Analyse, insbesondere in sozialen Medien, da Sarkasmus stark von vocalen Tönen, Gesichtsausdrücken und Gesten abhängt, die in Texten nicht dargestellt werden können”, sagt Kettler. “Die Erkennung von Sarkasmus in textbasierten Online-Kommunikationen ist keine leichte Aufgabe, da keine dieser Hinweise leicht verfügbar sind.”

Wissenschaftler aus Garibays Complex Adaptive Systems Lab (CASL) nutzen Data-Science, Netzwerk-Science, Komplexitäts-Science, Kognitions-Science, Machine-Learning, Deep-Learning, Sozialwissenschaften, Team-Kognition und andere Ansätze, um diese Herausforderungen zu bewältigen.

Akula ist eine Doktorandin und Forschungsassistentin am CASL und hat einen Master-Abschluss in Informatik von der Technischen Universität Kaiserslautern in Deutschland und einen Bachelor-Abschluss in Informatik von der Jawaharlal Nehru Technological University in Indien.

“In Gesprächen kann Sarkasmus mühelos durch Gesichtsausdrücke, Gesten und den Ton des Sprechers identifiziert werden”, sagt Akula. “Die Erkennung von Sarkasmus in textbasierten Kommunikationen ist keine triviale Aufgabe, da keine dieser Hinweise leicht verfügbar sind. Insbesondere mit der Explosion des Internet-Gebrauchs ist die Erkennung von Sarkasmus in Online-Kommunikationen von sozialen Netzwerken noch viel herausfordernder.”