正确理解并回应社交媒体平台上的客户反馈对品牌至关重要，而得益于一项新研究，这项工作可能已变得稍微容易了一些。
社交媒体已成为个人以及寻求营销和销售其产品与服务的公司的主要沟通形式。正确理解和回应Twitter、Facebook及其他社交媒体平台上的客户反馈对成功至关重要，但这极其耗费人力。
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绪——正面、负面或中性——的自动化过程。虽然人工智能指的是逻辑数据分析和响应，但情感分析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技术，可以准确检测社交媒体文本中的讽刺。
该团队的发现最近发表在《熵》（Entropy）期刊上。
实际上，该团队训练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挑选出序列中更可能表明讽刺的提示词。他们通过向模型输入大量数据集来训练它，然后检查其准确性。
“文本中讽刺的存在是情感分析性能的主要障碍，”工程学助理教授Ivan Garibay（00届硕士，04届博士）说。“在对话中识别讽刺并不总是容易的，所以你可以想象计算机程序要做到这一点并做好是相当具有挑战性的。我们开发了一个可解释的深度学习模型，使用了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提示词，而循环单元学习这些提示词之间的长距离依赖关系，以便更好地对输入文本进行分类。”
该团队包括计算机科学博士生Ramya Akula，在DARPA支持该组织“在线社会行为计算模拟”项目的资助下开始研究这一问题。
“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，因为讽刺很大程度上依赖于语调、面部表情和手势，而这些无法在文本中体现，”DARPA信息创新办公室（I2O）项目经理Brian Kettler说。“在文本在线交流中识别讽刺并非易事，因为这些线索都不容易获得。”
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，致力于研究复杂现象，如全球经济、全球信息环境、创新生态系统、可持续性以及社会和文化动态与演变。CASL的科学家利用数据科学、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。
“在面对面对话中，利用面部表情、手势和说话者的语调可以毫不费力地识别讽刺，”Akula说。“在文本交流中检测讽刺并非一项简单的任务，因为这些线索都不容易获得。特别是随着互联网使用的爆发式增长，社交网络平台在线交流中的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 CASL人工智能与大数据倡议以及数据分析硕士项目的负责人。他的研究领域包括复杂系统、基于主体的模型、社交媒体上的信息与错误信息动态、人工智能和机器学习。他发表了75多篇经同行评审的论文，并获得了来自各个国家机构超过950万美元的资助。
Akula是CASL的博士生和研究生研究助理。她拥有德国凯泽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·尼赫鲁科技大学的计算机科学工程学士学位。