Algoritms, kas apmācīts emocijzīmēm, zina, kad vietnē Twitter esat sarkastisks

Grehems Rumjē

Ritiniet pa Twitter, un jūs atradīsit daudz sarkastisku komentāru — nemaz nerunājot par daudziem gadījumiem, kad sarkasms acīmredzot gāja pāri kādam.

Par laimi, algoritms, ko MIT pētnieki izstrādāja, lai analizētu tvītus, tagad var atklāt sarkasmu un emocionālo zemtekstu kopumā labāk nekā lielākā daļa cilvēku.

Sociālo mediju ziņu noskaņojuma noteikšana jau ir noderīga, lai izsekotu attieksmei pret zīmoliem un produktiem un identificētu signālus, kas varētu liecināt par tendencēm finanšu tirgos. Taču precīzāka tvītu un komentāru nozīmes noteikšana varētu palīdzēt datoriem automātiski pamanīt un atcelt ļaunprātīgu izmantošanu un naida runu tiešsaistē. Dziļākai izpratnei par Twitter vajadzētu arī palīdzēt akadēmiķiem saprast, kā informācija un ietekme plūst caur tīklu. Turklāt, mašīnām kļūstot gudrākām, spēja sajust emocijas var kļūt par svarīgu cilvēku savstarpējās komunikācijas iezīmi.

Saistīts stāsts

Saistīts stāsts Tiesas, bankas un citas iestādes izmanto automatizētas datu analīzes sistēmas, lai pieņemtu lēmumus par jūsu dzīvi. Neatstāsim algoritmu veidotāju ziņā izlemt, vai viņi to dara pareizi.

Sākotnēji pētnieku mērķis bija izstrādāt sistēmu, kas spēj atklāt rasistiskus ierakstus vietnē Twitter. Bet viņi drīz saprata, ka daudzu ziņojumu nozīmi nevar pareizi saprast, ja nav izpratnes par sarkasmu.

Algoritms izmanto dziļo mācīšanos, populāru mašīnmācīšanās paņēmienu, kas balstās uz ļoti liela simulēta neironu tīkla apmācību, lai atpazītu smalkus modeļus, izmantojot lielu datu apjomu. Šī algoritma apmācības noslēpums bija tāds, ka daudzi tvīti jau izmanto kaut ko līdzīgu emocionālā satura marķēšanas sistēmai: emocijzīmes. Kad viņi izmantoja šo iespēju, lai palīdzētu sistēmai nolasīt tvītus, lai radītu emocijas kopumā, pētnieki bija sākuši mācīt tai atpazīt sarkasmu.

Tā kā mēs nevaram izmantot intonāciju savā balsī vai ķermeņa valodā, lai kontekstualizētu to, ko sakām, emocijzīmes ir veids, kā mēs to darām tiešsaistē, saka. Ijads Rahvans , MIT Media laboratorijas asociētais profesors, kurš izstrādāja algoritmu kopā ar vienu no saviem studentiem, Bjarke Felbo . Neironu tīkls iemācījās saikni starp noteikta veida valodu un emocijzīmi.

Lai apmācītu algoritmu, kas nodēvēts par DeepMoji, pētnieki savāca 55 miljardus tvītu un pēc tam atlasīja 1,2 miljardus, kas satur 64 populāru emocijzīmju kombināciju. Vispirms viņi apmācīja sistēmu paredzēt, kuras emocijzīmes tiks izmantotas konkrētam ziņojumam atkarībā no tā, vai tas ir priecīgs, skumjš, humoristisks utt. Pēc tam sistēma tika iemācīta identificēt sarkasmu, izmantojot esošo datu kopu no marķētiem piemēriem. Algoritms, kas bija iepriekš apmācīts, izmantojot emocijzīmes, bija daudz labāks sarkasma noteikšanai nekā tāds, kas to nebija izdarījis. Viņi atbrīvos algoritmu, lai ikviens to varētu izmantot.

Lai redzētu, cik labs ir DeepMoji, pētnieki to pārbaudīja, salīdzinot ar vairākiem etaloniem, lai uztvertu noskaņojumu un emocijas tekstā. Viņi atklāja, ka katrā gadījumā tas darbojas daudz labāk nekā labākie esošie algoritmi.

Viņi arī pārbaudīja to pret cilvēkiem, izmantojot brīvprātīgos, kas tika savervēti, izmantojot pūļa pakalpojumu vietni Mechanical Turk. Viņi atklāja, ka sarkasma un citu emociju pamanīšana vietnē Twitter bija labāka nekā cilvēkiem. Tas bija par 82 procentiem precīzs, pareizi identificējot sarkasmu, salīdzinot ar vidējo rādītāju 76 procenti cilvēku brīvprātīgajiem.

Vietne DeepMoji var automātiski ģenerēt emocijzīmes tvītam.

Var gadīties, ka tā apgūst dažādus slengu, saka Felbo. Cilvēkiem ir ļoti interesants valodas lietojums [Twitter] — teiksim tā.

Pētnieki ir izveidojuši a DeepMoji vietne lai demonstrētu sistēmas emocijzīmju daļu. Tas teksta daļai automātiski pievienos piemērotas emocijzīmes. Šķiet, ka tas darbojas diezgan labi, lai gan, kad mēģināju ievadīt Donalda Trampa tagad bēdīgi slaveno vārdu covfefe tvīts tas bija tikpat apmulsis kā visi pārējie.

Vietne arī ļauj lietotājiem piedalīties pētījumā, komentējot savus tvītus ar emocijām. Tas ir svarīgs darba elements, saka Rahvans. Parasti pētniekiem ir brīvprātīgie, kas atzīmē citu cilvēku tvītus vai ziņas ar uztvertām emocijām, kas nodrošina mazāk tiešu mērījumu. Viņš saka, ka šie kritēriji neatspoguļo to, ko psihologi uzskatītu par patiesu noskaņojumu.

Gerijs Kings , Hārvardas Universitātes Kvantitatīvo sociālo zinātņu institūta direktors un sociālo tīklu nozīmes ieguves eksperts, saka, ka emocijzīmju izmantošana kā apmācības līdzeklis ir gudra ideja. Bet viņš apšauba, cik vērtīgi ir identificēt sarkasmu, ja tas ir pazaudēts lielākajai daļai cilvēku. Ja sarkasms ir tik niansēts, ka cilvēku lasītājs, visticamāk, to palaistu garām, tad tam patiešām nav nozīmes, viņš saka.

Tomēr darbs atspoguļo faktu, ka datori pamazām uzlabo cilvēka emociju uztveri. Teksta sentimenta analīze jau ir plaši izmantota tehnika. Piemēram, tas var palīdzēt uzņēmumiem pēc e-pasta vai tērzēšanas ziņojuma satura noteikt, vai klients ir īpaši dusmīgs.

Iespējams, ka datori arvien biežāk mēģina atšifrēt mūsu emocijas. Iedomājieties, iespējams, robotu līdzstrādnieku, kurš saprot, kad viņa kolēģi kļūst neapmierināti vai kad viņi izsaka sarkastisku komplimentu.

Ja mašīnas ar mums sadarbosies, tām mūs ir jāsaprot, un emocijas ir patiešām smagas, saka Rahvans.

paslēpties