تشخیص طعنه در تحلیل احساسات با روش‌های یادگیری ماشین: یک مطالعه مقایسه‌ای

امروزه شبکه‌های اجتماعی به منابعی غنی از نظرات افراد در مورد کیفیت محصولات، مسائل اجتماعی، سیاسی و غیره تبدیل شده‌اند. به این منظور از تحلیل احساسات در جهت کشف مثبت و یا منفی بودن نظرات افراد در مورد یک موضوع خاص استفاده می‌شود. شرکت‌ها با مورد بررسی قرار دادن این نظرات می‌توانند در جهت بهبود کیفیت محصولات خود قدم بردارند. همچنین شمای کلی احساسات کاربران از شرایط موجود جامعه، منبع غنی اطلاعاتی برای کمک به جامعه‌شناسان و سیاستمداران در پیشبرد اهدافشان خواهد بود. گاهی افراد به جای بیان مستقیم احساس خود، از طعنه استفاده می‌کنند. تشخیص طعنه با توجه به عدم درک لحن گوینده در متون محاوره‌ای کار دشواری می‌باشد. در این مقاله روش‌های تشخیص طعنه در تحلیل احساسات به دو دسته‌ی یادگیری ماشین و یادگیری عمیق دسته‌بندی شده‌اند و به بررسی و مقایسه‌ی الگوریتم های موجود در این دو گروه پرداخته شده است. بررسی روش‌ها نشان می‌دهد که با توجه به اینکه تشخیص طعنه نسبت به تحلیل احساسسات، به درک عمیق‌تری از کلمات نیاز دارد از مدل‌هایی بهره گرفته شده که از الگوریتم bert (bidirectional encoder representations from transformers) استفاده کرده‌اند. این الگوریتم به دلیل ارزیابی کلمات به صورت دوطرفه، قابلیت درک عمیق‌تری از محتوای متن دارد و به دقت بالاتری در تشخیص طعنه دست یافته است. همچنین مدل‌هایی که از الگوریتم حافظه‌ی طولانی کوتاه مدت و مکانیزم توجه بهره گرفته‌اند نیز دقت بالاتری نسبت به دیگر مدل‌های یادگیری عمیق داشتند.