211service.com
Hoe vectorruimtewiskunde machines helpt sarcasme te herkennen
In 1970 krabbelde de sociale activist Irina Dunn een slogan op de achterkant van de deur van een toiletruimte aan de Universiteit van Sydney. Er stond: een vrouw heeft een man nodig zoals een vis een fiets nodig heeft. De uitdrukking ging viraal en werd uiteindelijk een beroemd refrein voor de groeiende feministische beweging van die tijd.
De zin is ook een voorbeeld van sarcasme. De humor komt van het feit dat een vis geen fiets nodig heeft. De meeste mensen hebben weinig moeite om dit te herkennen. Maar hoewel verschillende geavanceerde technieken voor machinaal leren computers hebben geholpen om andere vormen van humor te herkennen, ontgaat sarcasme ze nog steeds grotendeels.
Deze andere vormen van humor kunnen worden opgemerkt door bijvoorbeeld te zoeken naar positieve werkwoorden die verband houden met een negatieve of ongewenste situatie. En sommige onderzoekers hebben deze benadering gebruikt om naar sarcasme te zoeken.
Maar sarcasme is vaak verstoken van sentiment. De zin hierboven is een goed voorbeeld: het bevat geen woorden die gevoelens overbrengen. Er is dus duidelijk een nieuwe strategie nodig als computers dit soort grappen ooit willen herkennen.
Vandaag zeggen Aditya Joshi van het Indian Institute of Technology Bombay in India, en een paar vrienden, dat ze precies zo'n strategie hebben gevolgd. Ze zeggen dat hun nieuwe aanpak het vermogen van computers om sarcasme te herkennen drastisch verbetert.
Hun methode is relatief eenvoudig. In plaats van het sentiment in een zin te analyseren, analyseren Joshi en co de overeenkomst van de woorden. Ze doen dit door de manier waarop woorden zich tot elkaar verhouden te bestuderen in een enorme database met Google Nieuws-verhalen die zo'n drie miljoen woorden bevatten. Dit staat bekend als de Word2Vec-database.
Deze database is uitgebreid geanalyseerd om te bepalen hoe vaak woorden naast elkaar voorkomen. Hierdoor kunnen ze worden weergegeven als vectoren in een hoogdimensionale ruimte. Het blijkt dat vergelijkbare woorden kunnen worden weergegeven door vergelijkbare vectoren en dat vectorruimte-wiskunde eenvoudige relaties daartussen kan vastleggen. Bijvoorbeeld koning – man + vrouw = koningin.
Hoewel er duidelijke verschillen zijn tussen de woorden man en vrouw, nemen ze vergelijkbare delen van de vectorruimte in. De woorden fiets en vis nemen echter totaal verschillende delen van de ruimte in beslag en worden daarom als heel verschillend beschouwd.
Volgens Joshi en co is de kans groter dat zinnen die vergelijkbare concepten contrasteren met ongelijksoortige, sarcastisch zijn.
Om dit idee te testen, bestuderen ze de overeenkomst tussen woorden in een database met citaten op de Goodreads-website. Het team koos alleen citaten die door lezers als sarcastisch zijn getagd en, ter controle, ook citaten die als filosofie zijn getagd. Dit resulteert in een database van 3.629 citaten, waarvan 759 sarcastisch. Het team vergeleek vervolgens de woordvectoren in elk citaat op zoek naar overeenkomsten en verschillen.
De resultaten zorgen voor interessante lectuur. Joshi en co zeggen dat deze benadering van woordinbedding aanzienlijk beter is dan andere technieken om sarcasme te herkennen. We zien een verbetering in de detectie van sarcasme, zeggen ze.
De nieuwe aanpak is natuurlijk niet perfect. En de fouten die het maakt zijn leerzaam. Het zag bijvoorbeeld het sarcasme niet in het volgende citaat: Geweldig. Relatieadvies van een van Amerika's meest gezochte.
Dat komt waarschijnlijk omdat veel van deze woorden meerdere betekenissen hebben die de Word2Vec-inbedding niet vastlegt.
Een andere sarcastische zin die hij niet ziet, is: Oh, en ik veronderstel dat de appel de kaas heeft opgegeten. In dit geval hebben appel en kaas een hoge overeenkomstscore en geen van de woordparen laat een betekenisvol verschil zien. Dit voorbeeld volgt dus niet de regel waar het algoritme naar moet zoeken.
Het algoritme identificeert ook ten onrechte sommige zinnen als sarcastisch. Joshi en co wijzen bijvoorbeeld op deze: Oh mijn liefste, ik verdwijn graag in jou zoals een rimpeling in een oceaan verdwijnt - langzaam, stil en eindeloos.
Mensen hadden dit niet als sarcastisch bestempeld. Het is echter niet moeilijk voor te stellen dat deze zin sarcastisch wordt gebruikt.
Al met al is dit interessant werk dat enkele richtingen opwerpt voor toekomstig onderzoek. Het zou vooral fascinerend zijn om dit soort algoritmen te gebruiken om sarcastische zinnen te maken en misschien menselijke rechters te gebruiken om te beslissen of ze al dan niet in deze zin werken.
Daarbuiten is de taak van computationele humor zelf. Dat is een ambitieus doel, maar misschien niet helemaal buiten bereik. Veel humor is formeel, dus een algoritme zou zo'n formule gemakkelijk moeten kunnen toepassen. Ja, juist!
Referentie: arxiv.org/abs/1610.00883 : Zijn op Word Embedding gebaseerde functies nuttig voor sarcasmedetectie?