Entender e responder adequadamente aos feedbacks dos clientes no Twitter, Facebook e outras plataformas de mídia social é fundamental para o sucesso, mas é incrivelmente trabalhoso. Eu.
Um algoritmo de inteligência artificial recém-desenvolvido pode detectar com precisão sarcasmo em comentários escritos em plataformas de mídia social.
Fonte: Universidade da Flórida Central
Pesquisadores de ciência da computação da Universidade da Flórida Central desenvolveram um detector de sarcasmo.
As mídias sociais tornaram-se uma forma dominante de comunicação para indivíduos e para empresas que buscam comercializar e vender seus produtos e serviços. Entender e responder adequadamente aos feedbacks dos clientes no Twitter, Facebook e outras plataformas de mídia social é fundamental para o sucesso, mas é incrivelmente trabalhoso.
É aí que entra a análise do sentimento. O termo refere-se ao processo automatizado de identificação da emoção — positiva, negativa ou neutra — associada ao texto. Embora a inteligência artificial se refira à análise e resposta lógica de dados, a análise de sentimento é semelhante à identificação correta da comunicação emocional. Uma equipe da UCF desenvolveu uma técnica que detecta com precisão o sarcasmo no texto das mídias sociais.
As descobertas da equipe foram publicadas recentemente na revista Entropy.
Efetivamente, a equipe ensinou o modelo de computador a encontrar padrões que muitas vezes indicam sarcasmo e combinou isso com o ensino do programa para escolher corretamente palavras de sinalização em sequências que eram mais propensas a indicar sarcasmo. Eles ensinaram o modelo a fazer isso alimentando-o com grandes conjuntos de dados e, em seguida, verificaram sua precisão.
"A presença de sarcasmo no texto é o principal empecilho no desempenho da análise de sentimentos", diz o professor assistente de engenharia Ivan Garibay.
"Sarcasmo nem sempre é fácil de identificar na conversa, então você pode imaginar que é muito desafiador para um programa de computador fazê-lo e fazê-lo bem. Desenvolvemos um modelo de aprendizagem profunda interpretável usando auto-atenção multi-cabeça e unidades recorrentes fechadas. O módulo de auto-atenção de várias cabeças ajuda na identificação de palavras-sugestão sarcásticas cruciais da entrada, e as unidades recorrentes aprendem dependências de longo alcance entre essas palavras-sugestão para classificar melhor o texto de entrada."
A equipe, que inclui o doutorando em ciência da computação Ramya Akula, começou a trabalhar nesse problema sob uma bolsa darpa que apoia o programa de Simulação Computacional de Comportamento Social Online da organização.
"O sarcasmo tem sido um grande obstáculo para aumentar a precisão da análise de sentimentos, especialmente nas mídias sociais, uma vez que o sarcasmo depende fortemente de tons vocais, expressões faciais e gestos que não podem ser representados em texto", diz Brian Kettler, gerente de programas do Escritório de Inovação da Informação (I2O) da DARPA.
"Reconhecer o sarcasmo na comunicação online textual não é tarefa fácil, pois nenhuma dessas pistas está prontamente disponível."
Este é um dos desafios que o Complexo Laboratório de Sistemas Adaptativos (CASL) da Garibay está estudando. O CASL é um grupo de pesquisa interdisciplinar dedicado ao estudo de fenômenos complexos como a economia global, o ambiente global da informação, os ecossistemas de inovação, a sustentabilidade e a dinâmica e evolução social e cultural. Os cientistas do CASL estudam esses problemas usando ciência de dados, ciência de rede, ciência da complexidade, ciência cognitiva, aprendizado de máquina, deep learning, ciências sociais, cognição da equipe, entre outras abordagens.
"Na conversa presencial, o sarcasmo pode ser identificado sem esforço usando expressões faciais, gestos e tom do alto-falante", diz Akula. "Detectar sarcasmo na comunicação textual não é uma tarefa trivial, pois nenhuma dessas pistas está prontamente disponível. Especialmente com a explosão do uso da internet, a detecção de sarcasmo nas comunicações online de plataformas de redes sociais é muito mais desafiadora."
Garibay é professor assistente em Engenharia Industrial e Sistemas de Gestão. Ele tem vários diplomas, incluindo um Ph.D. em ciência da computação pela UCF. Garibay é diretor da Iniciativa de Inteligência Artificial e Big Data da CASL da UCF e do programa de mestrado em análise de dados.
Suas áreas de pesquisa incluem sistemas complexos, modelos baseados em agentes, dinâmicas de informação e desinformação nas mídias sociais, inteligência artificial e machine learning. Ele tem mais de 75 artigos revisados por pares e mais de US$ 9,5 milhões em financiamento de várias agências nacionais.
Akula é doutorando e assistente de pesquisa de pós-graduação na CASL. Possui mestrado em ciência da computação pela Universidade Técnica de Kaiserslautern, na Alemanha, e bacharel em engenharia da computação pela Jawaharlal Nehru Technology University, Índia.
“Interpretable Multi-Head Self-Attention Architecture for Sarcasm Detection in Social Media” by Ivan Garibay & Ramya Akula. Entropy
Comments