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, peroes increíblemente laborioso.
Ahí es donde entra el análisis de sentimientos. El término se refiere al proceso automatizado de identificar la emoción, ya sea positiva, negativa o neutral, asociada con el texto. Mientras que la inteligencia artificial se refiere al análisis y respuesta de datos lógicos, el análisis de sentimientos es similar aIdentificar 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 las palabras clave en secuencias que tenían más probabilidades de indicar sarcasmo. Le enseñaron al modelo a hacer esto alimentándoloconjuntos de datos y luego verificó 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, así que puedes imaginar que esbastante desafiante para que un programa de computadora lo haga y lo haga 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 dela 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 con una subvención de DARPA que respalda 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 enOficina de Innovación de la Información de DARPA 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, ecosistemas de innovación, sostenibilidad yy dinámica y evolución 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 el tono del hablante", dice Akula. "Detectar el sarcasmo en la comunicación textual no es una tarea trivial ya que ninguna de estas señales es fácildisponible. 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 ciencias de la computación 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 enanálisis 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 investigadora de doctorado y asistente de investigación de posgrado en CASL. Tiene una maestría en ciencias de la computación de la Universidad Técnica de Kaiserslautern en Alemania y una licenciatura en ingeniería en ciencias de la computación de la Universidad Tecnológica Jawaharlal Nehru, India.
Fuente de la historia :
Materiales proporcionado por Universidad de Florida Central . Original escrito por Zenaida Gonzalez Kotala. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :