Hvordan vektorrummatematik hjælper maskiner med at opdage sarkasme

Tilbage i 1970 skrev den sociale aktivist Irina Dunn et slogan på bagsiden af ​​en toiletkabinedør på University of Sydney. Der stod: En kvinde har brug for en mand, ligesom en fisk har brug for en cykel. Udtrykket gik viralt og blev til sidst et berømt omkvæd for tidens voksende feministiske bevægelse.

Udtrykket er også et eksempel på sarkasme. Humoren kommer af, at en fisk ikke har brug for en cykel. De fleste mennesker har lidt problemer med at få øje på dette. Men selvom forskellige avancerede maskinlæringsteknikker har hjulpet computere med at finde andre former for humor, unddrager sarkasme dem stadig stort set.

Disse andre former for humor kan ses ved at lede efter f.eks. positive verber forbundet med negativ eller uønsket situation. Og nogle forskere har brugt denne tilgang til at lede efter sarkasme.

Men sarkasme er ofte blottet for følelser. Ovenstående sætning er et godt eksempel - den indeholder ingen følelsesbærende ord. Så en ny strategi er helt klart nødvendig, hvis computere nogensinde skal opdage denne slags vittigheder.

I dag siger Aditya Joshi ved Indian Institute of Technology Bombay i Indien og et par venner, at de har ramt netop sådan en strategi. De siger, at deres nye tilgang dramatisk forbedrer computeres evne til at opdage sarkasme.

Deres metode er forholdsvis ligetil. I stedet for at analysere følelsen i en sætning, analyserer Joshi og co ligheden mellem ordene. Det gør de ved at studere den måde, ordene relaterer til hinanden, i en stor database med Google Nyheder, der indeholder omkring tre millioner ord. Dette er kendt som Word2Vec-databasen.

Denne database er blevet analyseret grundigt for at bestemme, hvor ofte ord optræder ved siden af ​​hinanden. Dette giver dem mulighed for at blive repræsenteret som vektorer i et højdimensionelt rum. Det viser sig, at lignende ord kan repræsenteres af lignende vektorer, og at vektorrumsmatematik kan fange simple forhold mellem dem. For eksempel konge – mand + kvinde = dronning.

Selvom der er klare forskelle mellem ordene mand og kvinde, optager de lignende dele af vektorrummet. Ordene cykel og fisk optager dog helt forskellige dele af rummet og opfattes derfor som meget forskellige.

Ifølge Joshi og co er sætninger, der kontrasterer lignende begreber med uens, mere tilbøjelige til at være sarkastiske.

For at teste denne idé studerer de ligheden mellem ord i en database med citater på Goodreads hjemmeside. Holdet valgte kun citater, der er blevet tagget sarkastiske af læserne, og som en kontrol inkluderer også citater tagget som filosofi. Dette resulterer i en database med 3.629 citater, hvoraf 759 er sarkastiske. Holdet sammenlignede derefter ordvektorerne i hvert citat på udkig efter ligheder og forskelle.

Resultaterne giver interessant læsning. Joshi og co siger, at denne metode til indlejring af ord er væsentligt bedre end andre teknikker til at spotte sarkasme. Vi observerer en forbedring i sarkasmedetektion, siger de.

Den nye tilgang er selvfølgelig ikke perfekt. Og de fejl, den laver, er lærerige. For eksempel opdagede den ikke sarkasmen i følgende citat: Fantastisk. Relationsråd fra en af ​​USAs mest eftersøgte.

Det er sandsynligvis fordi mange af disse ord har flere betydninger, som Word2Vec-indlejringen ikke fanger.

En anden sarkastisk sætning, den ikke kan få øje på, er: Åh, og jeg formoder, at æblet spiste osten. I dette tilfælde har æble og ost en høj lighedsscore, og ingen af ​​ordparrene viser en meningsfuld forskel. Så dette eksempel følger ikke reglen, som algoritmen er designet til at søge efter.

Algoritmen identificerer også forkert nogle sætninger som sarkastiske. Joshi og co peger på denne, for eksempel: Åh min elskede, jeg kan lide at forsvinde i dig som en krusning forsvinder i et hav - langsomt, lydløst og uendeligt.

Mennesker havde ikke mærket dette som sarkastisk. Det er dog ikke svært at forestille sig, at denne sætning bliver brugt sarkastisk.

Samlet set er dette interessant arbejde, som rejser nogle retninger for fremtidig forskning. Især ville det være fascinerende at bruge denne form for algoritme til at skabe sarkastiske sætninger og måske bruge menneskelige dommere til at afgøre, om de virker i denne forstand.

Ud over det er selve beregningshumorens opgave. Det er et ambitiøst mål, men måske et, der ikke er helt uden for rækkevidde. Meget humor er formel, så en algoritme burde være i stand til at anvende en sådan formel med lethed. Yeah sikkert!

Ref: arxiv.org/abs/1610.00883 : Er Word-indlejring-baserede funktioner nyttige til sarkasmedetektion?

skjule