Pesquisadores de ciência da computação da University of Central Florida desenvolveram um detector de sarcasmo.
 |
| As pessoas se expressam no Twitter, Facebook e outras plataformas de mídia social de várias maneiras, tornando difícil para a IA entender o que está tentando ser comunicado. |
A mídia social se tornou uma forma dominante de comunicação para indivíduos e empresas que buscam comercializar e vender seus produtos e serviços. Entender e responder adequadamente aos comentários 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 de sentimento. O termo se refere ao processo automatizado de identificação da emoção - positiva, negativa ou neutra - associada ao texto. Enquanto a inteligência artificial se refere à análise e resposta lógica de dados, a análise de sentimento é semelhante a identificar corretamente a comunicação emocional. Uma equipe da UCF desenvolveu uma técnica que detecta com precisão o sarcasmo em textos de mídia social.
As descobertas da equipe foram publicadas recentemente na revista Entropy .
Efetivamente, a equipe ensinou o modelo de computador a encontrar padrões que geralmente indicam sarcasmo e combinou isso com ensinar o programa a escolher corretamente as palavras-chave em sequências que tinham maior probabilidade de indicar sarcasmo. Eles ensinaram o modelo a fazer isso alimentando-o com grandes conjuntos de dados e verificando sua precisão.
“A presença do sarcasmo no texto é o principal obstáculo na realização da análise de sentimento”, afirma o professor assistente de engenharia Ivan Garibay '00MS' 04PhD. "O sarcasmo nem sempre é fácil de identificar em uma conversa, então você pode imaginar que é um grande desafio para um programa de computador fazer isso e fazê-lo bem. Desenvolvemos um modelo de aprendizado profundo interpretável usando autoatenção com várias cabeças e unidades recorrentes com portas. O módulo de autoatenção com várias cabeças auxilia na identificação de palavras-chave sarcásticas cruciais da entrada, e as unidades recorrentes aprendem dependências de longo alcance entre essas palavras-chave para melhor classificar o texto de entrada. "
A equipe, que inclui a estudante de doutorado em ciência da computação Ramya Akula, começou a trabalhar nesse problema com uma bolsa da DARPA que apóia 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 sentimento, especialmente nas redes sociais, uma vez que o sarcasmo depende muito de tons vocais, expressões faciais e gestos que não podem ser representados em texto", disse Brian Kettler, gerente de programa da DARPA's Information Escritório de Inovação (I2O). "Reconhecer o sarcasmo na comunicação textual online não é uma tarefa fácil, pois nenhuma dessas pistas estão prontamente disponíveis."
Este é um dos desafios que o Laboratório de Sistemas Adaptativos Complexos (CASL) de Garibay está estudando. CASL é um grupo de pesquisa interdisciplinar dedicado ao estudo de fenômenos complexos como a economia global, o ambiente de informação global, ecossistemas de inovação, sustentabilidade e 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, aprendizado profundo, ciências sociais, cognição de equipe, entre outras abordagens.
"Em uma conversa cara a cara, o sarcasmo pode ser identificado sem esforço usando expressões faciais, gestos e tom de voz", diz Akula. "Detectar sarcasmo na comunicação textual não é uma tarefa trivial, pois nenhuma dessas pistas estão prontamente disponíveis. Especialmente com a explosão do uso da Internet, a detecção de sarcasmo em comunicações online de plataformas de redes sociais é muito mais desafiadora."
Garibay é professor assistente de Engenharia Industrial e Sistemas de Gestão. Ele tem vários diplomas, incluindo um Ph.D. em ciência da computação pela UCF. Garibay é o diretor da Iniciativa de Inteligência Artificial e Big Data da UCF da CASL e do programa de mestrado em análise de dados. Suas áreas de pesquisa incluem sistemas complexos, modelos baseados em agentes, dinâmica de informação e desinformação em mídia social, inteligência artificial e aprendizado de máquina. Ele tem mais de 75 artigos revisados por pares e mais de US $ 9,5 milhões em financiamento de várias agências nacionais.
Akula é bolsista de doutorado e assistente de pesquisa de pós-graduação no CASL. Ela tem mestrado em ciência da computação pela Universidade Técnica de Kaiserslautern na Alemanha e é bacharel em engenharia de ciência da computação pela Universidade Tecnológica Jawaharlal Nehru, Índia.
Fonte da história:
Materiais fornecidos pela University of Central Florida . Original escrito por Zenaida Gonzalez Kotala.
