تشخيص طعنه در تحليل احساسات با روش‌هاي يادگيري ماشين: يك مطالعه مقايسه‌اي

Sarcasm detection in sentiment analysis with machine learning methods: a comparative study

امروزه شبكه‌هاي اجتماعي به منابعي غني از نظرات افراد در مورد كيفيت محصولات، مسائل اجتماعي، سياسي و غيره تبديل شده‌اند. به اين منظور از تحليل احساسات در جهت كشف مثبت و يا منفي بودن نظرات افراد در مورد يك موضوع خاص استفاده مي‌شود. شركت‌ها با مورد بررسي قرار دادن اين نظرات مي‌توانند در جهت بهبود كيفيت محصولات خود قدم بردارند. همچنين شماي كلي احساسات كاربران از شرايط موجود جامعه، منبع غني اطلاعاتي براي كمك به جامعه‌شناسان و سياستمداران در پيشبرد اهدافشان خواهد بود. گاهي افراد به جاي بيان مستقيم احساس خود، از طعنه استفاده مي‌كنند. تشخيص طعنه با توجه به عدم درك لحن گوينده در متون محاوره‌اي كار دشواري مي‌باشد. در اين مقاله روش‌هاي تشخيص طعنه در تحليل احساسات به دو دسته‌ي يادگيري ماشين و يادگيري عميق دسته‌بندي شده‌اند و به بررسي و مقايسه‌ي الگوريتم هاي موجود در اين دو گروه پرداخته شده است. بررسي روش‌ها نشان مي‌دهد كه با توجه به اينكه تشخيص طعنه نسبت به تحليل احساسسات، به درك عميق‌تري از كلمات نياز دارد از مدل‌هايي بهره گرفته شده كه از الگوريتم BERT (Bidirectional Encoder Representations from Transformers) استفاده كرده‌اند. اين الگوريتم به دليل ارزيابي كلمات به صورت دوطرفه، قابليت درك عميق‌تري از محتواي متن دارد و به دقت بالاتري در تشخيص طعنه دست يافته است. همچنين مدل‌هايي كه از الگوريتم حافظه‌ي طولاني كوتاه مدت و مكانيزم توجه بهره گرفته‌اند نيز دقت بالاتري نسبت به ديگر مدل‌هاي يادگيري عميق داشتند.