研究人員將表情符號(hào)圖標(biāo)作為嗅覺諷刺的工具

研究人員在訓(xùn)練計(jì)算機(jī)時(shí)遇到的一個(gè)令人頭疼的問(wèn)題是試圖理解當(dāng)人使用諷刺和諷刺時(shí)人類真正意味著什么。(太棒了，火車卡住。令人震驚的消息，我們的女兒遲到了?？赡艹霈F(xiàn)什么問(wèn)題。高峰時(shí)段交通，有趣，有趣。)

一個(gè)項(xiàng)目可能會(huì)有一個(gè)良好的開端。8月3日，麻省理工學(xué)院媒體實(shí)驗(yàn)室發(fā)布了一段名為DeepMoji的視頻。這是一個(gè)模型，使用數(shù)百萬(wàn)條推文來(lái)學(xué)習(xí)文本中的情感概念，如諷刺和諷刺。

人們?cè)趯懽鲿r(shí)真正的意思是什么?簡(jiǎn)單的問(wèn)題，研究人員更了解; 訓(xùn)練計(jì)算機(jī)時(shí)這是一個(gè)難題。DeepMoji的研究人員正在轉(zhuǎn)向使用表情符號(hào)圖標(biāo)來(lái)理解諷刺。怎么樣?使用最先進(jìn)的算法 - 以及數(shù)百萬(wàn)條消息。

DeepMoji項(xiàng)目頁(yè)面指出“我們要求機(jī)器從實(shí)際文本的許多示例中學(xué)習(xí)，而不是明確地告訴機(jī)器如何識(shí)別情感。”

他們擁有的數(shù)據(jù)越多，他們就越能解決這個(gè)問(wèn)題。

MIT技術(shù)評(píng)論：

“該算法使用深度學(xué)習(xí)，這是一種流行的機(jī)器學(xué)習(xí)技術(shù)，它依賴于訓(xùn)練一個(gè)非常大的模擬神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別使用大量數(shù)據(jù)的細(xì)微模式。訓(xùn)練這種算法的秘訣在于許多推文已經(jīng)使用類似標(biāo)簽的東西系統(tǒng)情感內(nèi)容：繪文字 “。該報(bào)告稱，研究人員收集了550億條推文，并選擇了12億條含有64種流行表情符號(hào)的組合。

如果他們的項(xiàng)目方法是跨越到現(xiàn)實(shí)世界的應(yīng)用程序，那么會(huì)想到許多實(shí)際用途?？梢愿玫乩斫馍缃幻襟w的評(píng)論，包括表明欺凌和種族主義的言論。

此外，項(xiàng)目頁(yè)面說(shuō)：“經(jīng)典用例是希望了解客戶對(duì)他們的看法的公司。但是現(xiàn)在還有許多其他用例，自然語(yǔ)言處理(NLP)正在成為一個(gè)越來(lái)越重要的部分例如，所有新的聊天機(jī)器人服務(wù)可能會(huì)受益于對(duì)文本中情感內(nèi)容的細(xì)致理解。最后，它可以用于各種有趣的研究目的。“

麻省理工學(xué)院媒體實(shí)驗(yàn)室媒體藝術(shù)與科學(xué)副教授Iyad Rahwan與他的一名學(xué)生Bjarke Felbo一起開發(fā)了算法。

從更大的角度來(lái)看，費(fèi)爾博評(píng)估了這項(xiàng)工作可能為情緒分析帶來(lái)了什么。在8月3日的帖子中，“我們可以從Emojis學(xué)到什么?” 費(fèi)爾博寫道，“這項(xiàng)研究只是向更復(fù)雜的情緒分析邁出了一小步。” 例如，該領(lǐng)域的一個(gè)貢獻(xiàn)可能是“一個(gè)適當(dāng)?shù)幕鶞?zhǔn)數(shù)據(jù)集，其標(biāo)簽比正面/負(fù)面更細(xì)致?；鶞?zhǔn)驅(qū)動(dòng)ML研究，因此這是至關(guān)重要的。”

下一步是什么?

Rahwan和Felbo“計(jì)劃發(fā)布算法的代碼，以便其他研究人員可以使用它，”BBC說(shuō)。

一些BBC網(wǎng)站訪問(wèn)者對(duì)新聞的娛樂反應(yīng)已經(jīng)反映了emjoji的談話。一個(gè)評(píng)論是“三個(gè)保齡球和一棵棕櫚樹。”