સંશોધનકારોએ કૃત્રિમ બુદ્ધિ વિકસાવી છે જે સોશિયલ મીડિયામાં કટાક્ષ શોધી શકે છે

વ Washingtonશિંગ્ટન, 11 મે: બ્રાંડ્સ માટે સોશિયલ મીડિયા પ્લેટફોર્મ્સ પર ગ્રાહકના પ્રતિસાદને યોગ્ય રીતે સમજવું અને તેનો પ્રતિભાવ આપવો મહત્વપૂર્ણ છે, અને સેન્ટ્રલ ફ્લોરિડા યુનિવર્સિટીના કમ્પ્યુટર વિજ્ researchersાન સંશોધનકારોએ જે વ્યંગ્ય ડિટેક્ટર વિકસાવ્યા છે તે નવા સંશોધન માટે થોડું સરળ આભાર હોઈ શકે.

સોશિયલ મીડિયા વ્યક્તિઓ માટે અને તેમના ઉત્પાદનો અને સેવાઓ વેચવા અને વેચતી કંપનીઓ માટે સંદેશાવ્યવહારનું એક મોટું સ્વરૂપ બની ગયું છે. ટ્વિટર, ફેસબુક અને અન્ય સોશિયલ મીડિયા પ્લેટફોર્મ પર ગ્રાહકના પ્રતિસાદને યોગ્ય રીતે સમજવું અને તેના પ્રતિસાદ આપવી એ સફળતા માટે નિર્ણાયક છે, પરંતુ આશ્ચર્યજનક શ્રમ-સઘન છે. કાસ્ટ પાથર વાયરલ થતાં એમ્સ્ટરડેમ ટ્યૂલિપ ક્ષેત્રને લેબલિંગ આપતા સરકાસ્ટિક ટ્વીટ; નેટીઝન્સ તેમના સંસ્કરણો સાથે આવે છે.

આ તે છે જ્યાં ભાવના વિશ્લેષણ આવે છે. આ શબ્દ ભાવનાઓને માન્યતા આપવાની સ્વચાલિત પ્રક્રિયાને સૂચવે છે – ક્યાં તો સકારાત્મક, નકારાત્મક અથવા તટસ્થ – ટેક્સ્ટ સાથે સંકળાયેલ છે. જ્યારે કૃત્રિમ બુદ્ધિ લોજિકલ ડેટા વિશ્લેષણ અને પ્રતિસાદનો સંદર્ભ આપે છે, ત્યારે ભાવનાત્મક વિશ્લેષણ ભાવનાત્મક સંદેશાવ્યવહારને યોગ્ય રીતે ઓળખવા માટે સમાન છે. યુસીએફની ટીમે એક એવી તકનીક વિકસાવી કે જે સોશ્યલ મીડિયા ટેક્સ્ટમાં વ્યંગ્યની સચોટ તપાસ કરે.

ટીમના તારણો તાજેતરમાં એન્ટ્રોપી મેગેઝિનમાં પ્રકાશિત થયા હતા. અસરકારક રીતે ટીમે કમ્પ્યુટર મોડેલોને એવા દાખલાઓ શોધવાનું શીખવ્યું હતું જે ઘણીવાર વ્યંગ દર્શાવે છે અને સંયુક્ત રીતે જણાવે છે કે પ્રોગ્રામ વ્યંગ્યને વધુ સૂચવતા લોકોમાંથી યોગ્ય રીતે ક્યૂ શબ્દો પસંદ કરે છે. શક્યતા હોવાનું વપરાય છે. તેણે તેને મોટા ડેટા સેટ્સને ખવડાવીને અને પછી તેની ચોકસાઈ ચકાસીને મોડેલને શીખવ્યું.

“ઇવાન ગેરીબી ’00 એમએસ’ 04 એચએચડી એન્જિનિયરિંગના સહાયક પ્રોફેસર કહે છે,” લખાણમાં વ્યંગ્યની હાજરી એ ભાવના વિશ્લેષણના પ્રભાવમાં મુખ્ય અવરોધ છે. ”

“વાતચીતમાં તે ઓળખવું હંમેશાં સરળ હોતું નથી, તેથી તમે કલ્પના કરી શકો છો કે તે કમ્પ્યુટર પ્રોગ્રામ માટે ખૂબ જ પડકારજનક છે અને તે સારી રીતે કરે છે. “મલ્ટિ-હેડ સ્વ-ધ્યાન મોડ્યુલ ઇનપુટથી ટીકાત્મક કટાક્ષ શબ્દો ઓળખવામાં સહાય કરે છે, અને આવર્તન એકમોના ઇનપુટ ટેક્સ્ટને વધુ સારી રીતે વર્ગીકૃત કરવા માટે આ કયૂ-શબ્દો વચ્ચેની લાંબા અંતરની અવલંબન.”

ટીમમાં, જેમાં કમ્પ્યુટર સાયન્સ ડોક્ટરલ વિદ્યાર્થી રેમ્યા અકુલા શામેલ છે, ડ aઆરપીએ ગ્રાન્ટ હેઠળ આ સમસ્યા પર કામ કરવાનું શરૂ કર્યું છે જે socialનલાઇન સામાજિક વર્તન પ્રોગ્રામના સંગઠનના ગણતરીકીય સિમ્યુલેશનને ટેકો આપે છે.

ડાર્પા ઇન્ફર્મેશન Officeફિસ ઇનોવેશન (આઇ 2 ઓ) ના પ્રોગ્રામ મેનેજર બ્રાયન કેટટલ કહે છે, “ખાસ કરીને સોશિયલ મીડિયા પર ભાવનાત્મકતા વિશ્લેષણની ચોકસાઈ વધારવામાં મુખ્ય અવરોધ છે.” “ટેક્સ્ચ્યુઅલ communicationનલાઇન સંદેશાવ્યવહારમાં કટાક્ષની ઓળખ કરવી એ સરળ કાર્ય નથી કારણ કે આમાંના કોઈપણ ચિહ્નો સરળતાથી ઉપલબ્ધ નથી.”

આ એક પડકાર છે કે ગરીબનું સંકુલ એડેપ્ટિવ સિસ્ટમ્સ લેબ (સીએએસએલ) અભ્યાસ કરે છે. સીએએસએલ એ એક આંતરશાખાકીય સંશોધન જૂથ છે જેમ કે વૈશ્વિક અર્થતંત્ર, વૈશ્વિક માહિતી પર્યાવરણ, નવીનતા ઇકોસિસ્ટમ, સ્થિરતા અને સામાજિક અને સાંસ્કૃતિક ગતિશીલતા અને વિકાસ જેવા જટિલ ઘટનાઓના અભ્યાસ માટે સમર્પિત.

સીએએસએલ વૈજ્ .ાનિકો આ સમસ્યાઓનો ઉપયોગ ડેટા સાયન્સ, નેટવર્ક સાયન્સ, જટિલતા વિજ્ ,ાન, જ્ Cાનાત્મક વિજ્ ,ાન, મશીન લર્નિંગ, ડીપ લર્નિંગ, સોશિયલ સાયન્સ, ટીમ કognગ્નિશનનો ઉપયોગ કરીને અન્ય અભિગમોનો ઉપયોગ કરીને કરે છે.

અકુલા કહે છે, “સામ-સામે ક્રિયાપ્રતિક્રિયામાં, ચહેરાના હાવભાવ, હાવભાવ અને વક્તા ઉચ્ચારોનો ઉપયોગ કરીને વ્યંગ્યને સરળતાથી ઓળખી શકાય છે.” “ટેક્સ્ટ કમ્યુનિકેશનમાં વ્યંગ્ય શોધી કા noવું એ કોઈ તુચ્છ કાર્ય નથી કારણ કે આમાંના કોઈપણ ચિહ્નો સરળતાથી ઉપલબ્ધ નથી. ખાસ કરીને ઇન્ટરનેટના વપરાશના વિસ્ફોટ સાથે, સોશિયલ નેટવર્કિંગ પ્લેટફોર્મથી communicationનલાઇન સંદેશાવ્યવહારમાં વ્યંગ્ય શોધવાનું વધુ પડકારજનક છે.”

ગેરીબ Industrialદ્યોગિક ઇજનેરી અને મેનેજમેન્ટ સિસ્ટમમાં સહાયક પ્રોફેસર છે. તેની પાસે યુસીએફથી કમ્પ્યુટર સાયન્સમાં પીએચડી સહિતની અનેક ડિગ્રી છે. ગરીબ યુસીએફની આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને સીએએસએલના બિગ ડેટા ઇનિશિયેટિવના ડિરેક્ટર અને ડેટા એનાલિટિક્સમાં માસ્ટર પ્રોગ્રામ છે.

તેના સંશોધન ક્ષેત્રોમાં જટિલ સિસ્ટમ્સ, એજન્ટ આધારિત મોડેલો, સોશિયલ મીડિયા પરની માહિતી અને ખોટી માહિતી ગતિશીલતા, કૃત્રિમ બુદ્ધિ અને મશીન લર્નિંગ શામેલ છે. તેમની પાસે 75 થી વધુ પીઅર-રિવ્યુ કરેલા કાગળો અને વિવિધ રાષ્ટ્રીય એજન્સીઓ પાસેથી 9.5 મિલિયન ડોલરથી વધુનું ભંડોળ છે.

(આ એક સિન્ડિકેટ ન્યૂઝ ફીડની એક અશિક્ષિત અને સ્વત generated-ઉત્પન્ન કરેલી વાર્તા છે, નવીનતમ સ્ટાફ દ્વારા સામગ્રી બ bodyડીને સંશોધિત અથવા સંપાદિત કરવામાં ન આવે)