Neuer KI-Detektor für Sarkasmus in sozialen Medien

Forscher an der University of Central Florida haben ein neues KI-Tool (künstliche Intelligenz) entwickelt, das in der Lage ist, Sarkasmus in sozialen Medien zu erkennen. Laut dem Team ist dieses Tool für Unternehmen, die Kundenfeedback auf sozialen Medien-Plattformen wie Twitter und Facebook besser verstehen und darauf reagieren möchten, sehr nützlich. 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 positiver, negativer und neutraler Emotionen in Texten. Die Sentiment-Analyse konzentriert sich auf die Identifizierung emotionaler Kommunikation, während die KI auf logische Analyse und Reaktion ausgerichtet ist.

Die neue Forschung wurde im Journal Entropy veröffentlicht.

Das Modell zum Erkennen von Sarkasmus

Das Computermodell wurde dazu gebracht, Muster zu erkennen, die Sarkasmus anzeigen, und es wurde gelehrt, spezifische Signalwörter in einem Satz zu identifizieren, die Sarkasmus anzeigen. Dies wurde durch das Team erreicht, indem es dem Modell große Datensätze fütterte und dessen Genauigkeit verbesserte.

Ivan Garibay ist Assistant Professor im Bereich Industrial Engineering und Management Systems. Er hält Abschlüsse, darunter einen Ph.D. in Informatik von der UCF, und er ist Direktor des UCF’s Artificial Intelligence and Big Data Initiative of CASL und eines Master-Programms in Data Analytics.

“Die Anwesenheit von Sarkasmus in Texten ist das größte Hindernis für die Leistung der Sentiment-Analyse”, sagt Garibay. “Sarkasmus ist nicht immer leicht in einer Unterhaltung zu erkennen, also kann man sich vorstellen, dass es für ein Computerprogramm ziemlich herausfordernd ist, dies zu tun und es gut zu machen. Wir entwickelten ein interpretierbares Deep-Learning-Modell mit Multi-Head-Self-Attention und Gated-Recurrent-Units. Der Multi-Head-Self-Attention-Modul hilft dabei, wichtige sarkastische Signalwörter aus der Eingabe zu identifizieren, und die Recurrent-Units lernen langfristige Abhängigkeiten zwischen diesen Signalwörtern, um den Eingabetext besser zu klassifizieren.”

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

Herausforderungen des Textes

“Sarkasmus ist ein großes Hindernis für die Erhöhung der Genauigkeit der Sentiment-Analyse, insbesondere in sozialen Medien, da Sarkasmus stark auf Sprachton, Gesichtsausdruck und Gesten angewiesen ist, die in Texten nicht dargestellt werden können”, sagt Kettler. “Die Erkennung von Sarkasmus in textbasierter Online-Kommunikation ist keine leichte Aufgabe, da keines dieser Hinweise leicht verfügbar ist.”

Wissenschaftler aus Garibays Complex Adaptive Systems Lab (CASL) verlassen sich auf Data Science, Network Science, Complexity Science, Cognitive Science, Machine Learning, Deep Learning, Sozialwissenschaften, Team-Kognition und andere Ansätze, um diese Herausforderungen zu meistern.

Akula ist eine Graduate Research Assistantin am CASL und eine Doktorandin. Sie hält 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 einer face-to-face-Unterhaltung kann Sarkasmus mithilfe von Gesichtsausdrücken, Gesten und Sprachton des Sprechers mühelos identifiziert werden”, sagt Akula. “Die Erkennung von Sarkasmus in textbasierter Kommunikation ist keine triviale Aufgabe, da keines dieser Hinweise leicht verfügbar ist. Insbesondere mit der Explosion des Internet-Gebrauchs ist die Sarkasmus-Erkennung in Online-Kommunikationen von sozialen Netzwerken viel herausfordernder.”