Comment les mathématiques spatiales vectorielles aident les machines à repérer le sarcasme

En 1970, l'activiste sociale Irina Dunn a griffonné un slogan au dos de la porte d'une cabine de toilette à l'Université de Sydney. Il disait : Une femme a besoin d'un homme comme un poisson a besoin d'un vélo. La phrase est devenue virale et est finalement devenue un refrain célèbre pour le mouvement féministe grandissant de l'époque.

La phrase est aussi un exemple de sarcasme. L'humour vient du fait qu'un poisson n'a pas besoin de vélo. La plupart des humains ont peu de mal à le repérer. Mais alors que diverses techniques avancées d'apprentissage automatique ont aidé les ordinateurs à repérer d'autres formes d'humour, le sarcasme leur échappe encore largement.

Ces autres formes d'humour peuvent être repérées en recherchant, par exemple, des verbes positifs associés à une situation négative ou indésirable. Et certains chercheurs ont utilisé cette approche pour rechercher le sarcasme.

Mais le sarcasme est souvent dépourvu de sentiment. La phrase ci-dessus est un bon exemple - elle ne contient aucun mot porteur de sentiment. Une nouvelle stratégie est donc clairement nécessaire pour que les ordinateurs repèrent un jour ce genre de blague.

Aujourd'hui, Aditya Joshi de l'Institut indien de technologie de Bombay en Inde, et quelques amis, disent avoir trouvé une telle stratégie. Ils disent que leur nouvelle approche améliore considérablement la capacité des ordinateurs à détecter le sarcasme.

Leur méthode est relativement simple. Au lieu d'analyser le sentiment dans une phrase, Joshi et co analysent la similitude des mots. Pour ce faire, ils étudient la manière dont les mots sont liés les uns aux autres dans une vaste base de données d'articles Google News contenant quelque trois millions de mots. C'est ce qu'on appelle la base de données Word2Vec.

Cette base de données a été analysée en profondeur pour déterminer la fréquence à laquelle les mots apparaissent les uns à côté des autres. Cela leur permet d'être représentés sous forme de vecteurs dans un espace de grande dimension. Il s'avère que des mots similaires peuvent être représentés par des vecteurs similaires et que les mathématiques de l'espace vectoriel peuvent capturer des relations simples entre eux. Par exemple, roi – homme + femme = reine.

Bien qu'il existe des différences claires entre les mots homme et femme, ils occupent des parties similaires de l'espace vectoriel. Cependant, les mots vélo et poisson occupent des parties totalement différentes de l'espace et sont donc considérés comme très différents.

Selon Joshi et co, les phrases qui opposent des concepts similaires à des concepts différents sont plus susceptibles d'être sarcastiques.

Pour tester cette idée, ils étudient la similitude entre les mots dans une base de données de citations sur le site Goodreads. L'équipe n'a choisi que des citations qui ont été étiquetées sarcastiques par les lecteurs et, comme contrôle, inclut également des citations étiquetées comme philosophie. Il en résulte une base de données de 3 629 citations, dont 759 sont sarcastiques. L'équipe a ensuite comparé les vecteurs de mots dans chaque citation à la recherche de similitudes et de différences.

Les résultats rendent la lecture intéressante. Joshi et co disent que cette approche d'intégration de mots est nettement meilleure que d'autres techniques pour repérer le sarcasme. On observe une amélioration de la détection des sarcasmes, disent-ils.

La nouvelle approche n'est pas parfaite, bien sûr. Et les erreurs qu'il commet sont instructives. Par exemple, il n'a pas repéré le sarcasme dans la citation suivante : Génial. Conseils relationnels de l'un des plus recherchés d'Amérique.

C'est probablement parce que beaucoup de ces mots ont plusieurs significations que l'intégration Word2Vec ne capture pas.

Une autre phrase sarcastique qu'il ne parvient pas à repérer est : Oh, et je suppose que la pomme a mangé le fromage. Dans ce cas, pomme et fromage ont un score de similarité élevé et aucune des paires de mots ne montre une différence significative. Cet exemple ne suit donc pas la règle que l'algorithme est conçu pour rechercher.

L'algorithme identifie également à tort certaines phrases comme sarcastiques. Joshi et co pointent celui-ci, par exemple : Oh mon amour, j'aime disparaître en toi comme une ondulation disparaît dans un océan - lentement, silencieusement et sans fin.

Les humains n'avaient pas qualifié cela de sarcastique. Cependant, il n'est pas difficile d'imaginer que cette phrase soit utilisée de manière sarcastique.

Dans l'ensemble, il s'agit d'un travail intéressant qui soulève certaines pistes de recherche future. En particulier, il serait fascinant d'utiliser ce type d'algorithme pour créer des phrases sarcastiques et peut-être d'utiliser des juges humains pour décider si oui ou non elles fonctionnent dans ce sens.

Au-delà de cela, c'est la tâche de l'humour computationnel lui-même. C'est un objectif ambitieux mais qui n'est peut-être pas totalement hors de portée. Beaucoup d'humour est une formule, donc un algorithme devrait pouvoir appliquer facilement une telle formule. Oui en effet!

Réf : arxiv.org/abs/1610.00883 : Les fonctionnalités basées sur l'incorporation de mots sont-elles utiles pour la détection des sarcasmes ?

cacher