Hur vektorrymdmatematik hjälper maskiner att upptäcka sarkasm

Redan 1970 klottrade den sociala aktivisten Irina Dunn en slogan på baksidan av en toalettskåpsdörr vid University of Sydney. Det stod: En kvinna behöver en man som en fisk behöver en cykel. Frasen blev viral och blev så småningom en berömd refräng för tidens växande feministiska rörelse.

Frasen är också ett exempel på sarkasm. Humorn kommer från det faktum att en fisk inte behöver en cykel. De flesta människor har små problem att upptäcka detta. Men även om olika avancerade maskininlärningstekniker har hjälpt datorer att upptäcka andra former av humor, undviker sarkasm dem fortfarande till stor del.

Dessa andra former av humor kan upptäckas genom att leta efter, säg, positiva verb förknippade med negativ eller oönskad situation. Och vissa forskare har använt detta tillvägagångssätt för att leta efter sarkasm.

Men sarkasm saknar ofta känslor. Frasen ovan är ett bra exempel – den innehåller inga känslor som bär på ord. Så en ny strategi behövs helt klart om datorer någonsin ska kunna upptäcka den här typen av skämt.

Idag säger Aditya Joshi vid Indian Institute of Technology Bombay i Indien, och några kompisar, att de har hittat just en sådan strategi. De säger att deras nya tillvägagångssätt dramatiskt förbättrar datorers förmåga att upptäcka sarkasm.

Deras metod är relativt okomplicerad. Istället för att analysera känslan i en mening, analyserar Joshi och co likheten mellan orden. De gör detta genom att studera hur ord förhåller sig till varandra i en stor databas med Google Nyheter som innehåller cirka tre miljoner ord. Detta är känt som Word2Vec-databasen.

Denna databas har analyserats utförligt för att avgöra hur ofta ord förekommer bredvid varandra. Detta gör att de kan representeras som vektorer i ett högdimensionellt utrymme. Det visar sig att liknande ord kan representeras av liknande vektorer och att vektorrumsmatematiken kan fånga enkla samband mellan dem. Till exempel kung – man + kvinna = drottning.

Även om det finns tydliga skillnader mellan orden man och kvinna, upptar de liknande delar av vektorrummet. Men orden cykel och fisk upptar helt olika delar av utrymmet och anses därför vara väldigt olika.

Enligt Joshi och co är meningar som kontrasterar liknande begrepp med olika begrepp mer benägna att vara sarkastiska.

För att testa denna idé studerar de likheten mellan ord i en databas med citat på Goodreads webbplats. Teamet valde endast citat som har taggats sarkastiska av läsare och, som en kontroll, inkluderar även citat taggade som filosofi. Detta resulterar i en databas med 3 629 citat, varav 759 är sarkastiska. Teamet jämförde sedan ordvektorerna i varje citat och letade efter likheter och skillnader.

Resultaten ger intressant läsning. Joshi och co säger att denna metod för inbäddning av ord är betydligt bättre än andra tekniker för att upptäcka sarkasm. Vi observerar en förbättring av sarkasmdetektering, säger de.

Det nya tillvägagångssättet är naturligtvis inte perfekt. Och felen den gör är lärorika. Till exempel såg den inte sarkasmen i följande citat: Bra. Relationsråd från en av USA:s mest eftertraktade.

Det beror förmodligen på att många av dessa ord har flera betydelser som Word2Vec-inbäddningen inte fångar.

En annan sarkastisk mening som den inte upptäcker är: Åh, och jag antar att äpplet åt osten. I det här fallet har äpple och ost en hög likhetspoäng och inget av ordparen visar någon meningsfull skillnad. Så det här exemplet följer inte regeln som algoritmen är designad för att söka efter.

Algoritmen identifierar också felaktigt vissa meningar som sarkastiska. Joshi och co pekar på den här, till exempel: Åh min älskade, jag gillar att försvinna i dig som en krusning försvinner i ett hav — långsamt, tyst och oändligt.

Människor hade inte taggat detta som sarkastiskt. Det är dock inte svårt att föreställa sig att den här meningen används sarkastiskt.

Sammantaget är detta ett intressant arbete som lyfter några riktningar för framtida forskning. I synnerhet skulle det vara fascinerande att använda den här typen av algoritm för att skapa sarkastiska meningar och kanske använda mänskliga domare för att avgöra om de fungerar i denna mening eller inte.

Utöver det är själva uppgiften med beräkningshumor. Det är ett ambitiöst mål men kanske ett som inte är helt utom räckhåll. Mycket humor är formellt så en algoritm borde kunna tillämpa en sådan formel med lätthet. Ja visst!

Ref: arxiv.org/abs/1610.00883 : Är Word-inbäddningsbaserade funktioner användbara för att upptäcka sarkasm?

Dölj