Nieuwe AI detecteert sarcasme in sociale media

Onderzoekers van de University of Central Florida hebben een nieuw kunstmatig intelligentie (AI) instrument ontwikkeld dat in staat is om sarcasme in sociale media te detecteren. Volgens het team is dit type instrument zeer nuttig voor bedrijven die beter willen begrijpen en reageren op klantfeedback op grote sociale mediaplatforms zoals Twitter en Facebook. Het is extreem moeilijk om dit proces handmatig bij te houden.

Een van de belangrijkste aspecten van het instrument is sentimentanalyse, wat het geautomatiseerde proces is van het identificeren van positieve, negatieve en neutrale emoties binnen tekst. Sentimentanalyse is gericht op het identificeren van emotionele communicatie, terwijl AI gericht is op logische analyse en respons.

Het nieuwe onderzoek werd gepubliceerd in het tijdschrift Entropy.

Het model leren om sarcasme te detecteren

Het computermodel werd geleerd om patronen te detecteren die sarcasme aanduiden, en het werd geleerd om specifieke cue-woorden in een zin te identificeren die sarcasme aanduiden. Dit werd bereikt door het team door het model grote datasets te voeden en de nauwkeurigheid te verbeteren.

Ivan Garibay is een assistent-professor in Industriële Ingenieurswetenschappen en Management Systemen. Hij heeft diploma’s die een Ph.D. in computerwetenschappen van UCF omvatten, en hij is een directeur van UCF’s Artificial Intelligence en Big Data Initiative van CASL en een masterprogramma in data-analyse.

“De aanwezigheid van sarcasme in tekst is de belangrijkste hindernis in de prestatie van sentimentanalyse,” zegt Garibay. “Sarcasme is niet altijd gemakkelijk te identificeren in conversatie, dus je kunt je voorstellen dat het voor een computerprogramma nog uitdagender is. We hebben een interpreteerbaar diep leermodel ontwikkeld met multi-head self-attention en gated recurrent units. De multi-head self-attention module helpt bij het identificeren van cruciale sarcastische cue-woorden uit de invoer, en de recurrent units leren lange-afstandsafhankelijkheden tussen deze cue-woorden om de invoertekst beter te classificeren.”

Garibay werd vergezeld door computerwetenschapsdoctoraalstudent Ramya Akula en Brian Kettler, een programmanager in DARPA’s Information Innovation Office (I2O).

Uitdagingen van tekst

“Sarcasme is een grote hindernis voor het verbeteren van de nauwkeurigheid van sentimentanalyse, vooral op sociale media, aangezien sarcasme zwaar leunt op vocale toon, gezichtsuitdrukkingen en gebaren die niet in tekst kunnen worden weergegeven,” zegt Kettler. “Het herkennen van sarcasme in tekstuele online communicatie is geen eenvoudige taak, aangezien geen van deze cues gemakkelijk beschikbaar zijn.”

Wetenschappers van Garibay’s Complex Adaptive Systems Lab (CASL) vertrouwen op datawetenschap, netwerk wetenschap, complexe wetenschap, cognitieve wetenschap, machine learning, diep learning, sociale wetenschappen, teamcognitie en andere benaderingen om deze uitdagingen aan te pakken.

Akula is een graduate research assistent bij CASL en een doctoraalscholar. Ze heeft een masterdiploma in computerwetenschappen van de Technische Universiteit van Kaiserslautern in Duitsland en een bachelordiploma in computerwetenschappen van de Jawaharlal Nehru Technological University in India.

“In face-to-face conversatie kan sarcasme gemakkelijk worden geïdentificeerd met behulp van gezichtsuitdrukkingen, gebaren en de toon van de spreker,” zegt Akula. “Het detecteren van sarcasme in tekstuele communicatie is geen triviale taak, aangezien geen van deze cues gemakkelijk beschikbaar zijn. Vooral met de explosie van internetgebruik is het detecteren van sarcasme in online communicatie van sociale netwerken veel moeilijker.”