Nieuwe AI detecteert sarcasme in sociale media

Onderzoekers van de University of Central Florida hebben een nieuwe tool voor kunstmatige intelligentie (AI) ontwikkeld die sarcasme in sociale media kan detecteren. Volgens het team is dit type tool zeer nuttig voor bedrijven die de feedback van klanten op populaire sociale mediaplatforms zoals Twitter en Facebook beter willen begrijpen en erop willen reageren. Het is buitengewoon moeilijk om dit proces handmatig bij te houden. 

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

Het nieuwe onderzoek is in het tijdschrift gepubliceerd Entropy.

Het model leren om sarcasme te detecteren

Het computermodel werd geleerd om patronen te detecteren die op sarcasme duiden, en het werd geleerd om specifieke cue-woorden te identificeren in een zin die op sarcasme duidde. Dit werd bereikt door het team grote datasets aan het model toe te voeren en de nauwkeurigheid ervan te verbeteren. 

Ivan Garibay is universitair docent Industriële Techniek en Managementsystemen. Hij heeft diploma's waaronder een Ph.D. in computerwetenschappen van UCF, en hij is directeur van UCF's Artificial Intelligence and Big Data Initiative van CASL en een masterprogramma in data-analyse. 

"De aanwezigheid van sarcasme in tekst is de belangrijkste belemmering bij het uitvoeren van sentimentanalyse", zegt Garibay. “Sarcasme is niet altijd gemakkelijk te herkennen in een gesprek, dus je kunt je voorstellen dat het een behoorlijke uitdaging is voor een computerprogramma om het te doen en het goed te doen. We hebben een interpreteerbaar deep learning-model ontwikkeld met behulp van multi-head zelfaandacht en gated terugkerende eenheden. De multi-head self-attention-module helpt bij het identificeren van cruciale sarcastische cue-woorden uit de invoer, en de terugkerende eenheden leren langeafstandsafhankelijkheden tussen deze cue-woorden om de invoertekst beter te classificeren.

Garibay kreeg gezelschap van informatica-promovendus Ramya Akula en Brian Kettler, een programmamanager bij DARPA's Information Innovation Office (I2O).  

Uitdagingen van tekst 

"Sarcasme is een grote hindernis geweest voor het vergroten van de nauwkeurigheid van sentimentanalyse, vooral op sociale media, aangezien sarcasme sterk afhankelijk is van vocale tonen, gezichtsuitdrukkingen en gebaren die niet in tekst kunnen worden weergegeven", zegt Kettler. "Het herkennen van sarcasme in tekstuele online communicatie is geen gemakkelijke taak, aangezien geen van deze signalen direct beschikbaar is."

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

Akula is een afgestudeerde onderzoeksassistent bij CASL en een doctoraatsstudent. 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 een persoonlijk gesprek kan sarcasme moeiteloos worden geïdentificeerd aan de hand 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 signalen direct beschikbaar is. Vooral met de explosie van internetgebruik is sarcasmedetectie in online communicatie van sociale netwerkplatforms een veel grotere uitdaging.”