Une nouvelle IA détecte le sarcasme dans les médias sociaux

Des chercheurs de l'Université de Floride centrale ont développé un nouvel outil d'intelligence artificielle (IA) capable de détecter le sarcasme dans les médias sociaux. Selon l'équipe, ce type d'outil est très utile pour les entreprises qui cherchent à mieux comprendre et répondre aux commentaires des clients sur les principales plateformes de médias sociaux comme Twitter et Facebook. Il est extrêmement difficile de suivre ce processus manuellement. 

L'un des principaux aspects de l'outil est l'analyse des sentiments, qui est le processus automatisé d'identification des émotions positives, négatives et neutres dans le texte. L'analyse des sentiments se concentre sur l'identification de la communication émotionnelle, tandis que l'IA se concentre sur l'analyse logique et la réponse. 

La nouvelle recherche a été publiée dans la revue Entropie.

Apprendre au modèle à détecter le sarcasme

Le modèle informatique a appris à détecter les modèles qui indiquent le sarcasme, et il a appris à identifier des mots de repère spécifiques dans une phrase qui indiquait le sarcasme. Cela a été accompli par l'équipe qui alimente les grands ensembles de données du modèle et améliore sa précision. 

Ivan Garibay est professeur adjoint en génie industriel et systèmes de gestion. Il est titulaire de diplômes dont un doctorat. Il est titulaire d'un doctorat en informatique de l'UCF, et il est directeur de l'Initiative Intelligence Artificielle et Big Data de l'UCF du CASL et d'un programme de maîtrise en analyse de données. 

"La présence de sarcasme dans le texte est le principal obstacle à la performance de l'analyse des sentiments", explique Garibay. "Le sarcasme n'est pas toujours facile à identifier dans une conversation, vous pouvez donc imaginer qu'il est assez difficile pour un programme informatique de le faire et de le faire bien. Nous avons développé un modèle d'apprentissage en profondeur interprétable utilisant l'auto-attention multi-têtes et des unités récurrentes fermées. Le module d'auto-attention multi-têtes aide à identifier les mots de repère sarcastiques cruciaux à partir de l'entrée, et les unités récurrentes apprennent les dépendances à longue portée entre ces mots de repère pour mieux classer le texte d'entrée.

Garibay a été rejoint par Ramya Akula, étudiante au doctorat en informatique, et Brian Kettler, responsable de programme au Bureau de l'innovation de l'information (I2O) de la DARPA.  

Défis du texte 

"Le sarcasme a été un obstacle majeur à l'augmentation de la précision de l'analyse des sentiments, en particulier sur les réseaux sociaux, car le sarcasme repose fortement sur les tons vocaux, les expressions faciales et les gestes qui ne peuvent pas être représentés dans le texte", explique Kettler. "Reconnaître le sarcasme dans la communication textuelle en ligne n'est pas une tâche facile car aucun de ces indices n'est facilement disponible."

Les scientifiques du Complex Adaptive Systems Lab (CASL) de Garibay s'appuient sur la science des données, la science des réseaux, la science de la complexité, les sciences cognitives, l'apprentissage automatique, l'apprentissage profond, les sciences sociales, la cognition d'équipe et d'autres approches pour relever ces défis.

Akula est assistante de recherche diplômée à la CASL et doctorante. Elle est titulaire d'une maîtrise en informatique de l'Université technique de Kaiserslautern en Allemagne et d'une licence en informatique de l'Université technologique Jawaharlal Nehru en Inde. 

"Dans une conversation en face à face, le sarcasme peut être identifié sans effort en utilisant les expressions faciales, les gestes et le ton de l'orateur", explique Akula. "Détecter le sarcasme dans la communication textuelle n'est pas une tâche triviale car aucun de ces indices n'est facilement disponible. Surtout avec l'explosion de l'utilisation d'Internet, la détection du sarcasme dans les communications en ligne des plateformes de réseaux sociaux est beaucoup plus difficile.