En algoritme trænet på Emoji ved, hvornår du er sarkastisk på Twitter

Graham Roumieu

Rul gennem Twitter, og du vil finde masser af sarkastiske kommentarer - for ikke at nævne masser af tilfælde, hvor sarkasme tilsyneladende gik lige hen over hovedet på nogen.

Heldigvis kan en algoritme, som MIT-forskere udviklede til at analysere tweets, nu opdage sarkasme og følelsesmæssig undertekst generelt bedre end de fleste mennesker.

Det er allerede nyttigt at opdage følelsen af ​​indlæg på sociale medier til at spore holdninger til mærker og produkter og til at identificere signaler, der kan indikere tendenser på de finansielle markeder. Men mere præcist at skelne betydningen af ​​tweets og kommentarer kan hjælpe computere med automatisk at opdage og afskaffe misbrug og hadefulde ytringer online. En dybere forståelse af Twitter bør også hjælpe akademikere med at forstå, hvordan information og indflydelse flyder gennem netværket. Hvad mere er, efterhånden som maskiner bliver smartere, kan evnen til at fornemme følelser blive et vigtigt træk ved menneske-til-maskine-kommunikation.

Relateret historie

Relateret historie Domstole, banker og andre institutioner bruger automatiserede dataanalysesystemer til at træffe beslutninger om dit liv. Lad os ikke overlade det til algoritmeproducenterne at beslutte, om de gør det korrekt.

Forskerne havde oprindeligt til formål at udvikle et system, der er i stand til at opdage racistiske opslag på Twitter. Men de indså hurtigt, at betydningen af ​​mange beskeder ikke kunne forstås korrekt uden en vis forståelse af sarkasme.

Algoritmen bruger deep learning, en populær maskinlæringsteknik, der er afhængig af at træne et meget stort simuleret neuralt netværk til at genkende subtile mønstre ved hjælp af en stor mængde data. Hemmeligheden bag træning af denne algoritme var, at mange tweets allerede bruger noget som et mærkningssystem for følelsesmæssigt indhold: emoji. Da de først udnyttede dette til at hjælpe systemet med at læse tweets for følelser generelt, havde forskerne et forspring med at lære det at genkende sarkasme.

Fordi vi ikke kan bruge intonation i vores stemme eller kropssprog til at kontekstualisere det, vi siger, er emoji den måde, vi gør det på online, siger Iyad Rahwan , en lektor ved MIT Media lab, der udviklede algoritmen sammen med en af ​​sine studerende, Bjarke Felbo . Det neurale netværk lærte sammenhængen mellem en bestemt slags sprog og en emoji.

For at træne algoritmen, kaldet DeepMoji, indsamlede forskerne 55 milliarder tweets og udvalgte derefter 1,2 milliarder indeholdende en kombination af 64 populære emojis. Først trænede de systemet til at forudsige, hvilken emoji der ville blive brugt med en bestemt besked, alt efter om den var glad, trist, humoristisk og så videre. Derefter blev systemet lært at identificere sarkasme ved hjælp af en eksisterende datasæt af mærkede eksempler. Algoritmen, der var blevet fortrænet ved hjælp af emoji, var langt bedre til at opdage sarkasme end en, der ikke havde gjort det. De vil frigive algoritmen, så alle kan bruge den.

For at se, hvor god DeepMoji er, testede forskerne det mod flere benchmarks for at fornemme følelser og følelser i tekst. De fandt ud af, at den klarede sig langt bedre end de bedste eksisterende algoritmer i hvert enkelt tilfælde.

De testede det også mod mennesker ved hjælp af frivillige rekrutteret gennem crowdsourcing-siden Mechanical Turk. De fandt ud af, at det var bedre end mennesker til at spotte sarkasme og andre følelser på Twitter. Den var 82 procent nøjagtig til at identificere sarkasme korrekt, sammenlignet med en gennemsnitlig score på 76 procent for de menneskelige frivillige.

DeepMoji-webstedet kan automatisk generere emoji til et tweet.

Det kan være, det er at lære alle de forskellige slanger, siger Felbo. Folk har meget interessante sprogbrug [på Twitter] - lad os sige det sådan.

Forskerne har bygget en DeepMoji hjemmeside for at demonstrere emoji-delen af ​​systemet. Den vil automatisk tilføje passende emoji til et stykke tekst. Det ser ud til at fungere ret godt, selvom jeg prøvede at indtaste Donald Trumps nu berygtede covfefe tweet det var lige så forvirret som alle andre.

Siden lader også brugere bidrage til forskningen ved at kommentere deres egne tweets med følelser. Det er et vigtigt element i arbejdet, siger Rahwan. Normalt lader forskere frivillige tagge andres tweets eller opslag med opfattede følelser, hvilket giver et mindre direkte mål. Disse benchmarks fanger ikke, hvad psykologer ville betragte som sand følelse, siger han.

Gary King , direktør for Institute for Quantitative Social Science ved Harvard University og en ekspert i minedrift af sociale netværk for mening, siger, at det er en smart idé at bruge emoji som et middel til træning. Men han stiller spørgsmålstegn ved, hvor værdifuldt det er at identificere sarkasme, hvis det går tabt for de fleste. Hvis sarkasmen er så nuanceret, at en menneskelig læser sandsynligvis ville savne den, så er det virkelig ligegyldigt, siger han.

Ikke desto mindre afspejler arbejdet det faktum, at computere gradvist bliver bedre til at fornemme menneskelige følelser. Sentimentanalyse af tekst er allerede en meget brugt teknik. For eksempel kan det hjælpe virksomheder med at afgøre ud fra indholdet af en e-mail eller chatbesked, om en kunde er særlig vred.

Det kan blive stadig mere almindeligt, at computere forsøger at tyde vores følelser. Forestil dig måske en robotkollega, der forstår, hvornår dens menneskelige kollegaer bliver frustrerede – eller når de giver et sarkastisk kompliment.

Hvis maskiner skal samarbejde med os, så bliver de nødt til at forstå os, og følelser er virkelig hårde, siger Rahwan.

skjule