正确理解并回应社交媒体平台上客户的反馈对品牌来说至关重要，而新的研究可能让这一过程变得更加容易。
社交媒体已成为个人以及希望营销和销售其产品和服务的公司的主要沟通形式。在Twitter、Facebook和其他社交媒体平台上正确理解并回应客户反馈对于成功至关重要，但这需要耗费大量人力。
这正是情感分析的用武之地。该术语指的是识别与文本相关的情感（积极、消极或中性）的自动化过程。人工智能涉及逻辑数据分析和响应，而情感分析则类似于正确识别情感交流。中佛罗里达大学（UCF）的一个团队开发了一种能够准确检测社交媒体文本中讽刺意味的技术。
该团队的研究成果最近发表在《熵》Entropy期刊上。
该团队有效地教会了计算机模型寻找通常表明讽刺的模式，并结合训练程序正确识别序列中更可能表明讽刺的线索词。他们通过向模型提供大量数据集来训练其执行此操作，然后检查其准确性。
工程学助理教授Ivan Garibay '00MS '04PhD表示：“文本中讽刺意味的存在是情感分析性能的主要障碍。在对话中识别讽刺并不总是那么容易，所以可以想象，让计算机程序来完成并很好地完成这项任务是相当具有挑战性的。我们开发了一种可解释的深度学习模型，该模型使用多头自注意力和门控循环单元。多头自注意力模块有助于从输入中识别关键的讽刺线索词，而循环单元则学习这些线索词之间的长期依赖关系，以更好地对输入文本进行分类。”
包括计算机科学博士生Ramya Akula在内的该团队，是在美国国防高级研究计划局（DARPA）资助其“在线社交行为计算模拟”项目下开始研究这个问题的。
DARPA信息创新办公室（I2O）的项目经理Brian Kettler表示：“讽刺一直是提高情感分析准确性的主要障碍，尤其是在社交媒体上，因为讽刺在很大程度上依赖于无法在文本中表现的语调、面部表情和手势。在文本在线交流中识别讽刺绝非易事，因为这些线索都无法直接获得。”
这是Garibay的复杂自适应系统实验室（CASL）正在研究的挑战之一。CASL是一个跨学科研究小组，致力于研究全球经济、全球信息环境、创新生态系统、可持续性以及社会文化动态与演化等复杂现象。CASL的科学家们使用数据科学、网络科学、复杂性科学、认知科学、机器学习、深度学习、社会科学、团队认知等方法研究这些问题。
Akula说：“在面对面交谈中，我们可以毫不费力地通过说话者的面部表情、手势和语调来识别讽刺。但在文本交流中检测讽刺并非易事，因为这些线索都无法直接获得。特别是随着互联网使用的爆炸式增长，在社交网络平台的在线交流中进行讽刺检测更具挑战性。”
Garibay是工业工程与管理系统的助理教授。他拥有多个学位，包括UCF的计算机科学博士学位。Garibay是UCF的CASL人工智能与大数据计划以及数据分析硕士项目的主任。他的研究领域包括复杂系统、基于主体的模型、社交媒体上的信息和错误信息动态、人工智能和机器学习。他发表了超过75篇同行评审论文，并获得了来自多个国家机构超过950万美元的资助。
Akula是CASL的博士学者和研究生研究助理。她拥有德国凯撒斯劳滕工业大学的计算机科学硕士学位和印度贾瓦哈拉尔·尼赫鲁技术大学的计算机科学工程学士学位。