Νέα AI Αναγνωρίζει τη Σαρκασμό στα Κοινωνικά Μέσα

Ερευνητές στο Πανεπιστήμιο της Κεντρικής Φλόριντα έχουν αναπτύξει ένα νέο εργαλείο τεχνητής νοημοσύνης (AI) που είναι ικανό να αναγνωρίζει τον σαρκασμό στα κοινωνικά μέσα. Σύμφωνα με την ομάδα, αυτό το είδος εργαλείου είναι εξαιρετικά χρήσιμο για τις εταιρείες που επιθυμούν να κατανοήσουν καλύτερα και να απαντήσουν στα σχόλια των πελατών στα κορυφαία κοινωνικά μέσα όπως το Twitter και το Facebook. Είναι εξαιρετικά δύσκολο να τηρήσετε αυτή τη διαδικασία με χειρονακτική εργασία. 

Ένας από τους κύριους τομείς του εργαλείου είναι η ανάλυση συναισθήματος, η οποία είναι η αυτοματοποιημένη διαδικασία αναγνώρισης θετικών, αρνητικών και ουδέτερων συναισθημάτων μέσα σε κείμενο. Η ανάλυση συναισθήματος επικεντρώνεται στην αναγνώριση συναισθηματικής επικοινωνίας, ενώ η AI επικεντρώνεται στην λογική ανάλυση και απόκριση. 

Η νέα έρευνα δημοσιεύθηκε στο περιοδικό Entropy.

Διδάσκοντας το Μοντέλο να Αναγνωρίζει τον Σαρκασμό

Το μοντέλο υπολογιστή διδάχθηκε να αναγνωρίζει μοτίβα που δείχνουν σαρκασμό και να αναγνωρίζει συγκεκριμένες λέξεις-κλειδιά σε μια πρόταση που δείχνουν σαρκασμό. Αυτό επιτεύχθηκε από την ομάδα με την τροφοδοσία του μοντέλου με μεγάλες συνόλους δεδομένων και τη βελτίωση της ακρίβειάς του. 

Ο Ivan Garibay είναι βοηθός καθηγητής στο Τμήμα Βιομηχανικού Σχεδιασμού και Συστημάτων. Διαθέτει τίτλους που περιλαμβάνουν διδακτορικό στη επιστήμη των υπολογιστών από το UCF και είναι διευθυντής της Πρωτοβουλίας Τεχνητής Νοημοσύνης και Μεγάλων Δεδομένων του CASL και ενός προγράμματος μεταπτυχιακών σπουδών σε ανάλυση δεδομένων. 

“Η παρουσία σαρκασμού σε κείμενο είναι το κύριο εμπόδιο στην απόδοση της ανάλυσης συναισθήματος”, λέει ο Garibay. “Ο σαρκασμός δεν είναι πάντα εύκολος να αναγνωριστεί σε συζήτηση, οπότε μπορείτε να φανταστείτε ότι είναι αρκετά δύσκολο για ένα πρόγραμμα υπολογιστή να το κάνει και να το κάνει καλά. Αναπτύξαμε ένα ερμηνεύσιμο μοντέλο βαθιάς μάθησης χρησιμοποιώντας πολλαπλή αυτοπροσοχή και μονάδες αναδρομικής επαναλαμβανόμενης đơnάδας. Το μοντέλο πολλαπλού κεφαλιού αυτοπροσοχής βοηθά στην αναγνώριση κρίσιμων λέξεων-κλειδιών σαρκασμού από την είσοδο και οι μονάδες αναδρομικής επαναλαμβανόμενης đơnάδας μάθain την μακροπρόθεσμη εξάρτηση μεταξύ αυτών των λέξεων-κλειδιών για να ταξινομήσουν καλύτερα το κείμενο.” 

Ο Garibay συνεργάστηκε με τον διδακτορικό φοιτητή Ramya Akula και τον Brian Kettler, έναν διευθυντή προγράμματος στο Γραφείο Καινοτομίας Πληροφοριών του DARPA (I2O).  

Προκλήσεις Κειμένου 

“Ο σαρκασμός έχει sido ένα σημαντικό εμπόδιο στην αύξηση της ακρίβειας της ανάλυσης συναισθήματος, ιδιαίτερα στα κοινωνικά μέσα,既然 ο σαρκασμός βασίζεται σε μεγάλο βαθμό σε φωνητικούς τόνους, εκφράσεις προσώπου και χειρονομίες που δεν μπορούν να αναπαρασταθούν σε κείμενο”, λέει ο Kettler. “Η αναγνώριση σαρκασμού σε διαδικτυακή επικοινωνία κειμένου δεν είναι μια εύκολη εργασία,既然 καμία από αυτές τις ενδείξεις δεν είναι άμεσα διαθέσιμη.” 

Επιστήμονες από το Εργαστήριο Συμπλεγμάτων Συστημάτων του Garibay (CASL) βασίζονται στην επιστήμη δεδομένων, την επιστήμη δικτύων, την επιστήμη πολυπλοκότητας, την επιστήμη γνωστικής, την машинική μάθηση, τη βαθιά μάθηση, τις κοινωνικές επιστήμες, την ομαδική γνωστική και άλλες προσεγγίσεις για την αντιμετώπιση αυτών των προκλήσεων. 

Ο Akula είναι βοηθός ερευνητής στο CASL και διδακτορικός υπότροφος. Διαθέτει μεταπτυχιακό τίτλο στη επιστήμη των υπολογιστών από το Τεχνικό Πανεπιστήμιο του Kaiserslautern στη Γερμανία και πτυχίο στη επιστήμη των υπολογιστών από το Πανεπιστήμιο Jawaharlal Nehru στην Ινδία. 

“Σε πρόσωπο με πρόσωπο συζήτηση, ο σαρκασμός μπορεί να αναγνωριστεί εύκολα χρησιμοποιώντας εκφράσεις προσώπου, χειρονομίες και τον τόνο του ομιλητή”, λέει ο Akula. “Η ανίχνευση σαρκασμού σε επικοινωνία κειμένου δεν είναι μια τριβή εργασία,既然 καμία από αυτές τις ενδείξεις δεν είναι άμεσα διαθέσιμη. Ιδιαίτερα με την έκρηξη της χρήσης του διαδικτύου, η ανίχνευση σαρκασμού σε διαδικτυακή επικοινωνία από πλατφόρμες κοινωνικής δικτύωσης είναι ακόμη πιο προκλητική.”