Credit: Pixabay/ CC0公共领域美国中佛罗里达大学的计算机科学研究人员开发了一种讽刺检测器。社交媒体已经成为个人以及寻求营销和销售其产品和服务的公司的主要沟通形式。正确理解和回应推特、脸书和其他社交媒体平台上的客户反馈对成功至关重要，但这是令人难以置信的劳动密集型工作。
这就是情绪分析的作用。该术语指的是识别与文本相关联的情绪(积极的、消极的或中性的)的自动化过程。虽然人工智能指的是逻辑数据分析和响应，但情感分析类似于正确识别情感交流。一个UCF团队开发了一种技术，可以准确检测社交媒体文本中的讽刺。
该团队的发现最近发表在《熵》杂志上。
实际上，该团队教计算机模型找到经常表示讽刺的模式，并将其与教程序正确识别更可能表示讽刺的序列中的提示词相结合。他们通过给模型输入大量的数据集来教它这样做，然后检查它的准确性。
“文本中讽刺的存在是情感分析表现的主要障碍，”工程学助理教授伊万·加里贝‘00MS’04pd说。“在交谈中，讽刺并不总是很容易识别的，所以你可以想象，对于一个计算机程序来说，做到这一点并做好它是相当具有挑战性的。我们开发了一个可解释的深度学习模型，使用多头自我注意和门控重复单位。多头自我注意模块有助于从输入中识别至关重要的讽刺性提示词，循环单元学习这些提示词之间的长期依赖关系，以更好地对输入文本进行分类。”
该团队包括计算机科学博士生拉姆亚·阿库拉，他们在美国国防高级研究计划局的资助下开始研究这个问题，该资助支持该组织的在线社会行为计算模拟项目。
DARPA信息创新办公室(I2O)的项目经理布莱恩·凯特勒(Brian Kettler)表示:“讽刺一直是提高情绪分析准确性的主要障碍，尤其是在社交媒体上，因为讽刺在很大程度上依赖于无法用文本表达的声调、面部表情和手势。"在网上文本交流中识别讽刺不是一件容易的事情，因为这些线索都不容易获得。"
这是加里贝复杂自适应系统实验室(CASL)正在研究的挑战之一。CASL是一个跨学科研究小组，致力于研究复杂的现象，如全球经济、全球信息环境、创新生态系统、可持续性以及社会和文化动态和演变。CASL科学家使用数据科学、网络科学、复杂性科学、认知科学、机器学习、深度学习、社会科学、团队认知等方法研究这些问题。
“在面对面的谈话中，可以毫不费力地使用说话者的面部表情、手势和语气来识别讽刺，”阿库拉说。“在文本交流中发现讽刺不是一件小事，因为这些线索都不容易获得。尤其是随着互联网使用的日益普及，在社交网络平台的在线交流中，讽刺的检测更具挑战性。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
