研究人员研制出可检测社交媒体中讽刺内容的人工智能

社交媒体已成为个人及寻求推广销售产品与服务的公司的主要沟通形式。正确理解并回应客户在Twitter、Facebook和其他社交媒体平台上的反馈对成功至关重要，但这过程极其耗费人力。

这正是情感分析的用武之地。该术语指的是自动识别文本情感（积极、消极或中性）的过程。人工智能侧重于逻辑数据分析和响应，而情感分析则类似于准确识别情感沟通。中佛罗里达大学（UCF）团队开发了一种能精准检测社交媒体文本中讽刺内容的技术。

该团队的研究成果近期发表于《熵》（Entropy）期刊。

本质上，团队教导计算机模型寻找常预示讽刺的模式，并结合训练程序准确识别序列中更可能暗示讽刺的线索词。他们通过输入大型数据集训练模型，并验证其准确性。

"文本中讽刺的存在是情感分析性能的主要障碍，"2000届硕士、2004届博士，工程学助理教授Ivan Garibay表示。"讽刺在对话中并非总能轻易识别，因此可以想象计算机程序要良好完成此任务相当具有挑战性。我们开发了一种可解释的深度学习模型，采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程依赖关系，从而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，他们在一项支持DARPA（美国国防高级研究计划局）"在线社交行为计算模拟"计划的资助下着手解决此问题。

"讽刺一直是提高情感分析准确性的主要障碍，尤其在社交媒体上，因为讽刺极度依赖无法通过文本呈现的语调、面部表情和手势，"DARPA信息创新办公室（I2O）项目经理Brian Kettler指出。"在文本在线交流中识别讽刺绝非易事，因为所有这些线索都无法直接获取。"

这是Garibay领导的复杂适应系统实验室（CASL）正在研究的挑战之一。CASL是一个致力于研究复杂现象的跨学科研究团队，涵盖全球经济、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领域。CASL科学家运用数据科学、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、团队认知等多种方法研究这些问题。

"在面对面交谈中，可利用说话者的面部表情、手势和语调轻松识别讽刺，"Akula说。"在文本交流中检测讽刺则非易事，因这些线索均不可直接获取。特别是随着互联网使用的激增，从社交网络平台的在线通讯中检测讽刺更具挑战性。"

Garibay是工业工程与管理科学系的助理教授。他拥有多个学位，包括中佛罗里达大学的计算机科学博士学位。Garibay担任UCF CASL人工智能与大数据计划及数据分析硕士项目的主任。其研究领域涵盖复杂系统、基于代理的模型、社交媒体信息与虚假信息动态、人工智能及机器学习。他发表过75余篇同行评审论文，并从多个国家机构获得超过950万美元的研究资助。

Akula是CASL的博士学者兼研究生研究助理。她拥有德国凯泽斯劳滕工业大学计算机科学硕士学位，以及印度尼赫鲁技术大学计算机科学工程学士学位。