Выявление иронии в текстах для сентиментального анализа
Человечество нашло множество способов выражения эмоций, которые, в зависимости от ситуации, могут сопровождаться сарказмом, особенно при передаче сильных чувств. За последние десятилетия социальные платформы, такие как Facebook, Instagram, TikTok, Twitter и YouTube, стали популярными каналами для выражения эмоций и личных размышлений широкой аудитории. С помощью методов анализа тональности эти данные находят применение в таких сферах, как бизнес, маркетинг, производство, анализ поведения и управление обществом в условиях экологических и биологических катастроф или военных конфликтов. Большинство современных исследований рассматривают анализ тональности и сарказма как две отдельные задачи текстовой классификации. В последние годы благодаря алгоритмам глубокого обучения удалось существенно повысить эффективность этих классификаторов. Однако одна из ключевых проблем заключается в том, что такие подходы часто не способны корректно классифицировать саркастические высказывания как негативные. В связи с этим мы утверждаем, что умение распознавать сарказм улучшает классификацию тональности и наоборот, поскольку эти задачи взаимосвязаны. В данной статье предложена модель на основе обучения с несколькими задачами (multi-task learning), использующая глубокие нейронные сети для моделирования взаимосвязи между классификацией тональности и сарказма, что повышает общую эффективность анализа тональности.