Ny AI upptäcker sarkasm på sociala medier

Forskare vid University of Central Florida har utvecklat ett nytt verktyg för artificiell intelligens (AI) som kan upptäcka sarkasm på sociala medier. Enligt teamet är detta verktyg mycket användbart för företag som vill bättre förstå och svara på kundfeedback på stora sociala medieplattformar som Twitter och Facebook. Det är extremt svårt att hålla jämna steg med denna process manuellt.

En av de viktigaste aspekterna av verktyget är sentimentanalys, som är den automatiserade processen att identifiera positiva, negativa och neutrala känslor inom text. Sentimentanalys fokuserar på att identifiera emotionell kommunikation, medan AI fokuserar på logisk analys och svar.

Den nya forskningen publicerades i tidskriften Entropy.

Att lära modellen att upptäcka sarkasm

Datormodellen lärdes att upptäcka mönster som indikerar sarkasm, och den lärdes att identifiera specifika ledord i en mening som indikerar sarkasm. Detta åstadkoms genom att teamet matade modellen med stora datamängder och förbättrade dess noggrannhet.

Ivan Garibay är biträdande professor i industriell teknik och ledningssystem. Han har examen som inkluderar en doktorsexamen i datavetenskap från UCF, och han är chef för UCF:s artificiell intelligens och stordatainitiativ för CASL och en masterutbildning i dataanalys.

“Sarkasmens närvaro i text är det största hindret för sentimentanalysens prestation”, säger Garibay. “Sarkasm är inte alltid lätt att identifiera i samtal, så man kan föreställa sig att det är ganska utmanande för en datorprogram att göra det och göra det bra. Vi utvecklade en tolkningsbar djupinlärningsmodell med multi-huvudsjälvuppmärksamhet och gated återkommande enheter. Multi-huvudsjälvuppmärksamhetsmodulen hjälper till att identifiera avgörande sarkastiska ledord från indata, och de återkommande enheterna lär sig långsiktiga beroenden mellan dessa ledord för att bättre klassificera indata-texten.”

Garibay var tillsammans med datavetenskapsdoktoranden Ramya Akula och Brian Kettler, en programchef i DARPA:s Information Innovation Office (I2O).

Utmaningar med text

“Sarkasm har varit ett stort hinder för att öka sentimentanalysens noggrannhet, särskilt på sociala medier, eftersom sarkasm till stor del beror på vokala toner, ansiktsuttryck och gester som inte kan representeras i text”, säger Kettler. “Att känna igen sarkasm i textuell onlinekommunikation är ingen lätt uppgift eftersom ingen av dessa ledtrådar är lätt tillgängliga.”

Forskare från Garibays Complex Adaptive Systems Lab (CASL) använder datavetenskap, nätverksvetenskap, komplexitetsvetenskap, kognitiv vetenskap, maskinlärning, djupinlärning, sociala vetenskaper, teamkognition och andra tillvägagångssätt för att hantera dessa utmaningar.

Akula är en doktorand vid CASL och en doktorskandidat. Hon har en masterexamen i datavetenskap från Technische Universität Kaiserslautern i Tyskland och en kandidatexamen i datavetenskap från Jawaharlal Nehru Technological University i Indien.

“I ansikte mot ansikte-samtal kan sarkasm identifieras lätt med hjälp av ansiktsuttryck, gester och talarens ton”, säger Akula. “Att upptäcka sarkasm i textuell kommunikation är inte en trivial uppgift eftersom ingen av dessa ledtrådar är lätt tillgängliga. Särskilt med den explosionsartade internetanvändningen är sarkasmupptäckt i onlinekommunikation från sociala nätverksplattformar mycket mer utmanande.”