Ny AI Detekterer Sarcasme på Sosiale Medier

Forskere ved University of Central Florida har utviklet et nytt kunstig intelligens-verktøy (AI) som kan detektere sarcasme på sosiale medier. Ifølge teamet er dette verktøyet svært nyttig for bedrifter som ønsker å bedre forstå og respondere på kundetilbakemeldinger på topp sosiale medier som Twitter og Facebook. Det er ekstremt vanskelig å holde tritt med denne prosessen manuelt.

En av de viktigste aspektene ved verktøyet er sentimentanalyse, som er den automatiske prosessen med å identifisere positive, negative og nøytrale emosjoner i tekst. Sentimentanalyse fokuserer på å identifisere emosjonell kommunikasjon, mens AI fokuserer på logisk analyse og respons.

Den nye forskningen ble publisert i tidsskriftet Entropy.

Å Lære Modellen til å Detektere Sarcasme

Datamodellen ble lært til å detektere mønster som indikerer sarcasme, og den ble lært til å identifisere bestemte ord i en setning som indikerer sarcasme. Dette ble oppnådd ved at teamet matet modellen med store datamengder og forbedret dens nøyaktighet.

Ivan Garibay er en assistentprofessor i industriell ingeniør og ledelsessystemer. Han har grader som inkluderer en Ph.D. i datavitenskap fra UCF, og han er direktør for UCFs kunstig intelligens og stor data-initiativ i CASL og en mastergrad i dataanalyse.

“Tilstedeværelsen av sarcasme i tekst er det største hindret i ytelsen av sentimentanalyse,” sier Garibay. “Sarcasme er ikke alltid lett å identifisere i samtale, så du kan forestille deg at det er ganske utfordrende for en datamaskin å gjøre det og gjøre det bra. Vi utviklet en tolkbar dyb læringmodell som bruker multi-hode selv-oppmerksomhet og gated rekurrerende enheter. Multi-hode selv-oppmerksomhetsmodulen hjelper med å identifisere avgjørende sarcastiske ord fra inndata, og rekurrerende enheter lærer lange avhengigheter mellom disse ordene for å bedre klassifisere inndata-teksten.”

Garibay ble slått sammen med datavitenskapelige doktorgradsstudenter Ramya Akula og Brian Kettler, en programleder i DARPA’s Informasjonsinnovasjonskontor (I2O).

Utfordringer med Tekst

“Sarcasme har vært et stort hinder for å øke nøyaktigheten av sentimentanalyse, spesielt på sosiale medier, siden sarcasme avhenger tungt av vokale toner, ansiktsuttrykk og gestiker som ikke kan representeres i tekst,” sier Kettler. “Å gjenkjenne sarcasme i tekstuell online-kommunikasjon er ingen enkel oppgave, siden ingen av disse hintene er lett tilgjengelige.”

Vitenskapsmenn fra Garibays komplekse adaptive systemer laboratorium (CASL) avhenger av datavitenskap, nettverksvitenskap, kompleksitetsvitenskap, kognitiv vitenskap, maskinlæring, dyb læring, samfunnsvitenskap, teamkognisjon og andre tilnærminger for å møte disse utfordringene.

Akula er en doktorgradsforsker ved CASL og en doktorgradsstipendiat. Hun har en mastergrad i datavitenskap fra Technische Universität Kaiserslautern i Tyskland og en bachelorgrad i datavitenskap fra Jawaharlal Nehru Teknologiske Universitet i India.

“I ansikt-til-ansikt-samtale kan sarcasme identifiseres lett ved å bruke ansiktsuttrykk, gestiker og tone av taleren,” sier Akula. “Å detektere sarcasme i tekstuell kommunikasjon er ingen enkel oppgave, siden ingen av disse hintene er lett tilgjengelige. Spesielt med eksplosjonen av internettbruk er sarcasme-deteksjon i online-kommunikasjon fra sosiale nettverksplattformer mye mer utfordrende.”