En algoritme trent på Emoji vet når du er sarkastisk på Twitter

Graham Roumieu

Bla gjennom Twitter og du vil finne mange sarkastiske kommentarer - for ikke å nevne mange tilfeller der sarkasme tilsynelatende gikk rett over hodet på noen.

Heldigvis kan en algoritme MIT-forskere utviklet for å analysere tweets nå oppdage sarkasme, og emosjonell undertekst generelt, bedre enn folk flest.

Å oppdage følelsen av innlegg på sosiale medier er allerede nyttig for å spore holdninger til merkevarer og produkter, og for å identifisere signaler som kan indikere trender i finansmarkedene. Men mer nøyaktig å skjelne betydningen av tweets og kommentarer kan hjelpe datamaskiner automatisk å oppdage og oppheve misbruk og hatytringer på nettet. En dypere forståelse av Twitter bør også hjelpe akademikere å forstå hvordan informasjon og påvirkning flyter gjennom nettverket. Dessuten, etter hvert som maskiner blir smartere, kan evnen til å fornemme følelser bli en viktig funksjon i menneske-til-maskin-kommunikasjon.

Relatert historie

Relatert historie Domstoler, banker og andre institusjoner bruker automatiserte dataanalysesystemer for å ta avgjørelser om livet ditt. La oss ikke overlate det til algoritmeprodusentene å avgjøre om de gjør det riktig.

Forskerne hadde opprinnelig som mål å utvikle et system som er i stand til å oppdage rasistiske innlegg på Twitter. Men de innså snart at betydningen av mange meldinger ikke kunne forstås ordentlig uten en viss forståelse av sarkasme.

Algoritmen bruker dyp læring, en populær maskinlæringsteknikk som er avhengig av å trene et veldig stort simulert nevralt nettverk for å gjenkjenne subtile mønstre ved hjelp av en stor mengde data. Hemmeligheten med å trene denne algoritmen var at mange tweets allerede bruker noe som et merkesystem for emosjonelt innhold: emoji. Så snart de utnyttet dette for å hjelpe systemet med å lese tweets for følelser generelt, hadde forskerne et forsprang med å lære det å gjenkjenne sarkasme.

Fordi vi ikke kan bruke intonasjon i stemmen eller kroppsspråket for å kontekstualisere det vi sier, er emoji måten vi gjør det på nettet, sier Iyad Rahwan , en førsteamanuensis ved MIT Media lab som utviklet algoritmen med en av studentene sine, Bjarke Felbo . Det nevrale nettverket lærte sammenhengen mellom en viss type språk og en emoji.

For å trene algoritmen, kalt DeepMoji, samlet forskerne 55 milliarder tweets, og valgte deretter 1,2 milliarder som inneholdt en kombinasjon av 64 populære emoji. Først trente de systemet til å forutsi hvilken emoji som ville bli brukt med en bestemt melding, avhengig av om den var glad, trist, humoristisk og så videre. Etter det ble systemet lært opp til å identifisere sarkasme ved å bruke en eksisterende datasett av merkede eksempler. Algoritmen som hadde blitt forhåndstrent med emoji var langt bedre til å oppdage sarkasme enn en som ikke hadde gjort det. De vil frigi algoritmen for alle å bruke.

For å se hvor bra DeepMoji er, testet forskerne den mot flere målestokker for å sanse følelser og følelser i tekst. De fant at den presterte langt bedre enn de beste eksisterende algoritmene i hvert tilfelle.

De testet det også mot mennesker, ved å bruke frivillige rekruttert gjennom crowdsourcing-siden Mechanical Turk. De fant ut at det var bedre enn menneskene til å oppdage sarkasme og andre følelser på Twitter. Det var 82 prosent nøyaktig når det gjaldt å identifisere sarkasme riktig, sammenlignet med en gjennomsnittlig poengsum på 76 prosent for de menneskelige frivillige.

DeepMoji-nettstedet kan automatisk generere emoji for en tweet.

Det kan være at det er å lære alle de forskjellige slangene, sier Felbo. Folk har veldig interessant bruk av språk [på Twitter] – la oss si det sånn.

Forskerne har bygget en DeepMoji-nettstedet for å demonstrere emoji-delen av systemet. Den vil automatisk legge til passende emoji til et tekststykke. Det ser ut til å fungere ganske bra, men da jeg prøvde å legge inn Donald Trumps nå beryktede covfefe tweet det var like forvirret som alle andre.

Siden lar også brukere bidra til forskningen ved å kommentere sine egne tweets med følelser. Dette er et viktig element i arbeidet, sier Rahwan. Vanligvis har forskere frivillige tagger andres tweets eller innlegg med oppfattede følelser, noe som gir et mindre direkte mål. Disse referansene fanger ikke opp hva psykologer ville betraktet som ekte følelse, sier han.

Gary King , direktør for Institute for Quantitative Social Science ved Harvard University og en ekspert på utvinning av sosiale nettverk for mening, sier å bruke emoji som treningsmiddel er en smart idé. Men han stiller spørsmål ved hvor verdifullt det er å identifisere sarkasme hvis det går tapt for folk flest. Hvis sarkasmen er så nyansert at en menneskelig leser sannsynligvis vil savne den, så spiller det ingen rolle, sier han.

Ikke desto mindre gjenspeiler arbeidet det faktum at datamaskiner gradvis blir bedre til å sanse menneskelige følelser. Sentimentanalyse av tekst er allerede en mye brukt teknikk. For eksempel kan det hjelpe bedrifter å avgjøre ut fra innholdet i en e-post eller chat-melding om en kunde er spesielt sint.

Det kan bli stadig mer vanlig at datamaskiner prøver å tyde følelsene våre. Tenk deg kanskje en robotkollega som forstår når dens menneskelige kollegaer blir frustrerte – eller når de gir et sarkastisk kompliment.

Hvis maskiner skal samarbeide med oss, så må de forstå oss, og følelser er veldig vanskelige, sier Rahwan.

gjemme seg