211service.com
Kā vektoru kosmosa matemātika palīdz mašīnām pamanīt sarkasmu
Vēl 1970. gadā sabiedriskā aktīviste Irina Danna Sidnejas Universitātē uz tualetes kabīnes durvju aizmugures uzrakstīja saukli. Tur bija teikts: Sievietei vīrietis ir vajadzīgs tāpat kā zivij velosipēds. Šī frāze kļuva plaši izplatīta un galu galā kļuva par slavenu tā laika augošās feministu kustības atturēšanos.
Frāze ir arī sarkasma piemērs. Humors rodas no tā, ka zivij nav vajadzīgs velosipēds. Lielākajai daļai cilvēku nav grūti to pamanīt. Taču, lai gan dažādas uzlabotas mašīnmācīšanās metodes ir palīdzējušas datoriem pamanīt citus humora veidus, sarkasms joprojām tos izvairās.
Šos citus humora veidus var pamanīt, meklējot, piemēram, pozitīvus darbības vārdus, kas saistīti ar negatīvu vai nevēlamu situāciju. Un daži pētnieki ir izmantojuši šo pieeju, lai meklētu sarkasmu.
Taču sarkasmam bieži vien trūkst sentimenta. Iepriekš minētā frāze ir labs piemērs — tajā nav vārdu, kas rada emocijas. Tātad, ja datori kādreiz vēlas pamanīt šāda veida jokus, noteikti ir nepieciešama jauna stratēģija.
Šodien Aditja Džoši no Indijas Bombejas Tehnoloģiju institūta Indijā un daži draugi saka, ka ir izvēlējušies tieši šādu stratēģiju. Viņi saka, ka viņu jaunā pieeja ievērojami uzlabo datoru spēju pamanīt sarkasmu.
Viņu metode ir samērā vienkārša. Tā vietā, lai analizētu noskaņojumu teikumā, Džoši un viņa kolēģi analizē vārdu līdzību. Lai to izdarītu, pētot vārdu savstarpējo saistību plašā Google ziņu stāstu datubāzē, kurā ir aptuveni trīs miljoni vārdu. To sauc par Word2Vec datu bāzi.
Šī datu bāze ir plaši analizēta, lai noteiktu, cik bieži vārdi parādās blakus. Tas ļauj tos attēlot kā vektorus augstas dimensijas telpā. Izrādās, ka līdzīgus vārdus var attēlot ar līdzīgiem vektoriem un ka vektoru telpas matemātika var uztvert vienkāršas attiecības starp tiem. Piemēram, karalis – vīrietis + sieviete = karaliene.
Lai gan starp vārdiem vīrietis un sieviete ir skaidras atšķirības, tie aizņem līdzīgas vektora telpas daļas. Tomēr vārdi velosipēds un zivis aizņem pilnīgi dažādas telpas daļas, tāpēc tiek uzskatīti par ļoti atšķirīgiem.
Saskaņā ar Joshi un co teikto, teikumi, kas kontrastē līdzīgus jēdzienus ar atšķirīgiem jēdzieniem, visticamāk, ir sarkastiski.
Lai pārbaudītu šo ideju, viņi pēta vārdu līdzību citātu datubāzē Goodreads vietnē. Komanda izvēlējās tikai tos citātus, kurus lasītāji ir atzīmējuši kā sarkastiskus, un kā kontroli iekļāva citātus, kas atzīmēti kā filozofija. Rezultātā tiek izveidota datubāze ar 3629 citātiem, no kuriem 759 ir sarkastiski. Pēc tam komanda salīdzināja vārdu vektorus katrā citātā, meklējot līdzības un atšķirības.
Rezultāti rada interesantu lasīšanu. Džoši un kolēģi saka, ka šī vārda iegulšanas pieeja ir ievērojami labāka par citām sarkasma pamanīšanas metodēm. Viņi saka, ka mēs novērojam sarkasma noteikšanas uzlabošanos.
Jaunā pieeja, protams, nav ideāla. Un tajā pieļautās kļūdas ir pamācošas. Piemēram, tas nesaskatīja sarkasmu šādā citātā: Lieliski. Attiecību padoms no viena no Amerikas visvairāk meklētajām.
Iespējams, tas ir tāpēc, ka daudziem no šiem vārdiem ir vairākas nozīmes, kuras Word2Vec iegulšana neuztver.
Vēl viens sarkastisks teikums, ko tai neizdodas pamanīt, ir: Ak, un es domāju, ka ābols apēda sieru. Šajā gadījumā ābolam un sieram ir augsts līdzības rādītājs, un nevienā no vārdu pāriem nav būtiskas atšķirības. Tātad šis piemērs neatbilst noteikumam, pēc kura algoritms ir paredzēts meklēšanai.
Algoritms arī nepareizi identificē dažus teikumus kā sarkastiskus. Džoši un kolēģi norāda uz šo, piemēram: Ak, mana mīlestība, man patīk tevī pazust kā viļņojums okeānā — lēni, klusi un bezgalīgi.
Cilvēki to nebija atzīmējuši kā sarkastisku. Tomēr nav grūti iedomāties, ka šis teikums tiek lietots sarkastiski.
Kopumā šis ir interesants darbs, kas izvirza dažus virzienus turpmākiem pētījumiem. Jo īpaši būtu aizraujoši izmantot šāda veida algoritmu, lai izveidotu sarkastiskus teikumus un, iespējams, izmantotu cilvēku tiesnešus, lai izlemtu, vai tie darbojas šajā nozīmē.
Papildus tam ir paša skaitļošanas humora uzdevums. Tas ir ambiciozs mērķis, taču, iespējams, tas nav gluži nesasniedzams. Liela daļa humora ir formulēta, tāpēc algoritmam vajadzētu viegli piemērot šādu formulu. Jā, pareizi!
Atsauce: arxiv.org/abs/1610.00883 : Vai uz Word iegulšanu balstītas funkcijas ir noderīgas sarkasma noteikšanai?