Ny AI oppdager sarkasme i sosiale medier

Forskere ved University of Central Florida har utviklet et nytt verktøy for kunstig intelligens (AI) som er i stand til å oppdage sarkasme i sosiale medier. Ifølge teamet er denne typen verktøy svært nyttig for selskaper som ønsker å bedre forstå og svare på tilbakemeldinger fra kunder på sosiale medieplattformer som Twitter og Facebook. Det er ekstremt vanskelig å holde tritt med denne prosessen manuelt. 

En av hovedaspektene ved verktøyet er sentimentanalyse, som er den automatiserte prosessen med å identifisere positive, negative og nøytrale følelser i tekst. Sentimentanalyse er fokusert på å identifisere emosjonell kommunikasjon, mens AI er fokusert på logisk analyse og respons. 

Den nye forskningen ble publisert i tidsskriftet Entropy.

Lære modellen å oppdage sarkasme

Datamodellen ble lært opp til å oppdage mønstre som indikerer sarkasme, og den ble lært å identifisere spesifikke signalord i en setning som indikerte sarkasme. Dette ble oppnådd ved at teamet matet modellen med store datasett og forbedret nøyaktigheten. 

Ivan Garibay er assisterende professor i industriell ingeniør- og styringssystemer. Han har grader som inkluderer en Ph.D. i informatikk fra UCF, og han er direktør for UCFs Artificial Intelligence and Big Data Initiative of CASL og et masterprogram i dataanalyse. 

"Tilstedeværelsen av sarkasme i tekst er hovedhindringen i utførelsen av sentimentanalyse," sier Garibay. «Sarkasme er ikke alltid lett å identifisere i samtale, så du kan forestille deg at det er ganske utfordrende for et dataprogram å gjøre det og gjøre det bra. Vi utviklet en tolkbar dyp læringsmodell ved bruk av selvoppmerksomhet med flere hoder og gatede tilbakevendende enheter. Multi-head-selvoppmerksomhetsmodulen hjelper til med å identifisere viktige sarkastiske signalord fra input, og de tilbakevendende enhetene lærer langdistanseavhengigheter mellom disse signalordene for bedre å klassifisere inputteksten."

Garibay fikk selskap av informatikk doktorgradsstudent Ramya Akula og Brian Kettler, en programleder i DARPAs Information Innovation Office (I2O).  

Tekstens utfordringer 

"Sarkasme har vært et stort hinder for å øke nøyaktigheten av sentimentanalyse, spesielt på sosiale medier, siden sarkasme er sterkt avhengig av vokaltoner, ansiktsuttrykk og gester som ikke kan representeres i tekst," sier Kettler. "Å gjenkjenne sarkasme i tekstlig nettkommunikasjon er ingen enkel oppgave, siden ingen av disse signalene er lett tilgjengelige."

Forskere fra Garibays Complex Adaptive Systems Lab (CASL) er avhengige av datavitenskap, nettverksvitenskap, kompleksitetsvitenskap, kognitiv vitenskap, maskinlæring, dyp læring, samfunnsvitenskap, teamkognisjon og andre tilnærminger for å møte disse utfordringene.

Akula er utdannet forskningsassistent ved CASL og doktorgradsstipendiat. Hun har en mastergrad i informatikk fra Technical University of Kaiserslautern i Tyskland og en bachelorgrad i datavitenskap fra Jawaharlal Nehru Technological University i India. 

"I samtaler ansikt til ansikt kan sarkasme enkelt identifiseres ved å bruke ansiktsuttrykk, bevegelser og tone til høyttaleren," sier Akula. «Å oppdage sarkasme i tekstkommunikasjon er ikke en triviell oppgave, siden ingen av disse signalene er lett tilgjengelige. Spesielt med eksplosjonen av internettbruk er sarkasmedeteksjon i nettkommunikasjon fra sosiale nettverksplattformer mye mer utfordrende.»