Jak matematyka przestrzeni wektorowej pomaga maszynom dostrzec sarkazm?

W 1970 roku działaczka społeczna Irina Dunn nabazgrała hasło na tylnej ściance toalety na Uniwersytecie w Sydney. Było napisane: Kobieta potrzebuje mężczyzny, tak jak ryba potrzebuje roweru. Fraza stała się wirusowa i ostatecznie stała się słynnym refrenem rozwijającego się ruchu feministycznego w tamtych czasach.

Wyrażenie to jest również przykładem sarkazmu. Humor bierze się z tego, że ryba nie potrzebuje roweru. Większość ludzi nie ma problemu z dostrzeżeniem tego. Ale podczas gdy różne zaawansowane techniki uczenia maszynowego pomogły komputerom dostrzec inne formy humoru, sarkazm nadal w dużej mierze im umyka.

Te inne formy humoru można dostrzec, szukając, powiedzmy, pozytywnych czasowników związanych z negatywną lub niepożądaną sytuacją. Niektórzy badacze zastosowali to podejście do poszukiwania sarkazmu.

Ale sarkazm jest często pozbawiony sentymentów. Powyższa fraza jest dobrym przykładem — nie zawiera słów niosących sentyment. Tak więc nowa strategia jest wyraźnie potrzebna, jeśli komputery mają kiedykolwiek dostrzec tego rodzaju żarty.

Dzisiaj Aditya Joshi z Indian Institute of Technology Bombay w Indiach i kilku kumpli twierdzą, że właśnie obrali taką strategię. Mówią, że ich nowe podejście radykalnie poprawia zdolność komputerów do wykrywania sarkazmu.

Ich metoda jest stosunkowo prosta. Zamiast analizować sentyment w zdaniu, Joshi i współpracownicy analizują podobieństwo słów. Można to zrobić, badając sposób, w jaki słowa odnoszą się do siebie w ogromnej bazie artykułów z Google News zawierającej około trzech milionów słów. Jest to znane jako baza danych Word2Vec.

Ta baza danych została gruntownie przeanalizowana w celu określenia, jak często słowa pojawiają się obok siebie. Dzięki temu mogą być reprezentowane jako wektory w przestrzeni wielowymiarowej. Okazuje się, że podobne słowa mogą być reprezentowane przez podobne wektory, a matematyka przestrzeni wektorowej może uchwycić proste relacje między nimi. Na przykład król – mężczyzna + kobieta = królowa.

Chociaż istnieją wyraźne różnice między słowami mężczyzna i kobieta, zajmują one podobne części przestrzeni wektorowej. Jednak słowa rower i ryba zajmują zupełnie inne części przestrzeni i dlatego są uważane za bardzo różne.

Według Joshi i współpracownicy zdania, które kontrastują podobne koncepcje z odmiennymi, są bardziej sarkastyczne.

Aby przetestować ten pomysł, badają podobieństwo między słowami w bazie cytatów na stronie Goodreads. Zespół wybrał tylko cytaty, które zostały oznaczone przez czytelników jako sarkastyczne, a jako kontrola uwzględnił również cytaty oznaczone jako filozofia. Daje to bazę danych zawierającą 3629 cytatów, z których 759 jest sarkastycznych. Następnie zespół porównał wektory słów w każdym cytacie, szukając podobieństw i różnic.

Wyniki stanowią ciekawą lekturę. Joshi i spółka twierdzą, że to podejście do osadzania słów jest znacznie lepsze niż inne techniki wykrywania sarkazmu. Mówią, że obserwujemy poprawę w wykrywaniu sarkazmu.

Oczywiście nowe podejście nie jest idealne. A popełniane przez nią błędy są pouczające. Na przykład nie zauważył sarkazmu w następującym cytacie: Świetnie. Porady dotyczące związku od jednego z najbardziej poszukiwanych w Ameryce.

Dzieje się tak prawdopodobnie dlatego, że wiele z tych słów ma wiele znaczeń, których osadzanie Word2Vec nie obejmuje.

Kolejne sarkastyczne zdanie, którego nie zauważa, to: Och, i przypuszczam, że jabłko zjadło ser. W tym przypadku jabłko i ser mają wysoki wynik podobieństwa i żadne z par słów nie wykazuje znaczącej różnicy. Więc ten przykład nie jest zgodny z zasadą, że algorytm jest przeznaczony do wyszukiwania.

Algorytm również błędnie identyfikuje niektóre zdania jako sarkastyczne. Joshi i spółka wskazują na to, na przykład: Och kochanie, lubię znikać w tobie jak fala znikająca w oceanie – powoli, cicho i bez końca.

Ludzie nie oznaczyli tego jako sarkastycznego. Nietrudno jednak wyobrazić sobie, że zdanie to zostało użyte sarkastycznie.

Ogólnie rzecz biorąc, jest to interesująca praca, która wyznacza kierunki przyszłych badań. W szczególności fascynujące byłoby użycie tego rodzaju algorytmu do tworzenia sarkastycznych zdań i być może wykorzystanie ludzkich sędziów do decydowania, czy działają w tym sensie.

Poza tym jest zadanie samego humoru obliczeniowego. To ambitny cel, ale być może taki, który nie jest całkowicie poza zasięgiem. Dużo humoru jest schematyczne, więc algorytm powinien być w stanie z łatwością zastosować taką formułę. Tak, jasne!

Nr ref.: arxiv.org/abs/1610.00883 : Czy funkcje związane z osadzaniem słów są przydatne do wykrywania sarkazmu?

ukryć