Investigadores en ciencias de la computación de la Universidad de Florida Central han desarrollado un detector de sarcasmo.
Las redes sociales se han convertido en una forma de comunicación dominante para las personas y las empresas que buscan comercializar y vender sus productos y servicios. Comprender y responder adecuadamente a los comentarios de los clientes en Twitter, Facebook y otras plataformas de redes sociales es fundamental para el éxito, pero es increíblemente laborioso.
Ahí es donde entra en juego el análisis de sentimientos. El término se refiere al proceso automatizado de identificación de la emoción, ya sea positiva, negativa o neutral, asociada con el texto. Si bien la inteligencia artificial se refiere al análisis y la respuesta de datos lógicos, el análisis de sentimientos es similar a identificar correctamente la comunicación emocional. Un equipo de UCF desarrolló una técnica que detecta con precisión el sarcasmo en el texto de las redes sociales.
Los hallazgos del equipo se publicaron recientemente en la revista Entropía.
Efectivamente, el equipo enseñó al modelo de computadora a encontrar patrones que a menudo indican sarcasmo y lo combinó con enseñar al programa a seleccionar correctamente palabras clave en secuencias que tenían más probabilidades de indicar sarcasmo. Enseñaron al modelo a hacer esto alimentándolo con grandes conjuntos de datos y luego verificaron su precisión.
«La presencia de sarcasmo en el texto es el principal obstáculo en la realización del análisis de sentimientos», dice el profesor asistente de ingeniería Ivan Garibay ’00MS’ 04PhD. «El sarcasmo no siempre es fácil de identificar en una conversación, por lo que puede imaginarse que es bastante difícil para un programa de computadora hacerlo y hacerlo bien. Desarrollamos un modelo de aprendizaje profundo interpretable usando auto-atención de múltiples cabezas y unidades recurrentes cerradas». El módulo de auto-atención de múltiples cabezas ayuda a identificar palabras clave sarcásticas cruciales a partir de la entrada, y las unidades recurrentes aprenden dependencias de largo alcance entre estas palabras clave para clasificar mejor el texto de entrada «.
El equipo, que incluye a la estudiante de doctorado en ciencias de la computación Ramya Akula, comenzó a trabajar en este problema bajo una subvención de DARPA que apoya el programa de simulación computacional del comportamiento social en línea de la organización.
«El sarcasmo ha sido un obstáculo importante para aumentar la precisión del análisis de sentimientos, especialmente en las redes sociales, ya que el sarcasmo se basa en gran medida en los tonos vocales, las expresiones faciales y los gestos que no se pueden representar en el texto», dice Brian Kettler, gerente de programas de Información de DARPA Oficina de Innovación (I2O). «Reconocer el sarcasmo en la comunicación textual en línea no es una tarea fácil, ya que ninguna de estas señales está disponible».
Este es uno de los desafíos que está estudiando el Laboratorio de Sistemas Adaptativos Complejos (CASL) de Garibay. CASL es un grupo de investigación interdisciplinario dedicado al estudio de fenómenos complejos como la economía global, el entorno de información global, los ecosistemas de innovación, la sostenibilidad y la dinámica y evolución social y cultural. Los científicos de CASL estudian estos problemas utilizando ciencia de datos, ciencia de redes, ciencia de la complejidad, ciencia cognitiva, aprendizaje automático, aprendizaje profundo, ciencias sociales, cognición en equipo, entre otros enfoques.
«En una conversación cara a cara, el sarcasmo se puede identificar sin esfuerzo usando expresiones faciales, gestos y tono del hablante», dice Akula. «Detectar el sarcasmo en la comunicación textual no es una tarea trivial, ya que ninguna de estas señales está disponible. Especialmente con la explosión del uso de Internet, la detección del sarcasmo en las comunicaciones en línea desde las plataformas de redes sociales es mucho más desafiante».
Garibay es profesor asistente en Ingeniería Industrial y Sistemas de Gestión. Tiene varios títulos, incluido un doctorado. en informática de la UCF. Garibay es el director de la Iniciativa de Inteligencia Artificial y Big Data de la UCF de CASL y del programa de maestría en análisis de datos. Sus áreas de investigación incluyen sistemas complejos, modelos basados en agentes, dinámica de información y desinformación en redes sociales, inteligencia artificial y aprendizaje automático. Tiene más de 75 artículos revisados por pares y más de $ 9.5 millones en financiamiento de varias agencias nacionales.
Akula es becaria de doctorado y asistente de investigación de posgrado en CASL. Tiene una maestría en informática de la Universidad Técnica de Kaiserslautern en Alemania y una licenciatura en ingeniería informática de la Universidad Tecnológica Jawaharlal Nehru, India.
Fuente de la historia:
Materiales proporcionados por Universidad de Florida Central. Original escrito por Zenaida Gonzalez Kotala. Nota: El contenido puede editarse por estilo y longitud.