مواظب باشید: کامپیوترها جملات کنایه‌آمیز توییتر را می‌فهمند
توییتر پر از خبرهای مختلف است؛ هر روز می‌توانید نوشته‌های مختلفی را در توییتر ببینید که حاکی از علاقه، اشتیاق و حرارت نسبت به موضوعات متفاوت است؛ هر روز خبرهای فوری، تجزیه و تحلیل و باز‌ی‌های هشتگ در توییتر دیده می‌شود؛ اما شاید موردی که بیش از همه در توییتر دیده می‌شود، حرف‌های نیشدار، کنایه‌دار و طعنه‌آمیز به تمام اتفاقات ریز و درشت پیرامون ما است.

گاهی اوقات تشخیص این‌که کدام خبر راست و کدام خبر دروغ است، کاری بسیار ر سخت و دشواری می‌شود. خوشبختانه چند تن از محققان دانشگاه کارنگی ملون به این فکر افتاده‌اند که این مشکل را حل کنند: آن‌ها در حال مطالعه بر روی ابداع روشی هستند که بتواند توییت‌های نامربوط و طعنه‌آمیز را تشخیص دهد. ظاهرا تا به این‌جا به موفقیت‌های خوبی دست پیدا کرده‌اند.

نویسندگان این تحقیق به‌نام‌های دیوید بامان و نوح اسمیت که از دانشکده علوم کامپیوتر CMU هستند می‌گویند: «خیلی از روش‌های محاسباتی که برای تشخیص این جمله‌ها به‌کار می‌رود بر پایه تحلیل زبان است اما طعنه و کنایه تماما به متن و محتویات آن مربوط می‌شود، برای همین اگر شناسایی بر پایه محتوا و متن صورت گیرد؛ نتیجه قابل اطمینان‌تر و بهتر خواهد بود. در این مقاله آمده است: «رابطه بین نویسنده و مخاطب تماما به فهم پدیده کنایه مربوط می‌شود.» اما زمانی‌که بحث شبکه‌های اجتماعی به‌میان می‌آید؛ شرایط سخت‌تر می‌شود چون موضوع مخاطب در این‌جا بعد پیچیده‌تری پیدا می‌کند: «در شبکه‌های اجتماعی؛ مخاطب کاربر در اکثر اوقات ناشناخته و مبهم است؛ به‌همین دلیل شرایط مورد نیاز برای شناسایی و شناخت این‌گونه جمله‌ها در توییتر سخت و فهم آن دشوار است.»

محققان برای این‌که این روش را تست کنند، فاکتورهای مختلفی را مدنظر قرار دادند. هر توییت بر اساس این فاکتورها مورد بررسی قرار گرفت اما در این میان اطلاعات مربوط به پروفایل؛ پیش‌زمینه تاریخی و اطلاعات مربوط به مخاطبان نویسنده زیر ذره‌بین قرار می‌گیرد. البته پیاده‌سازی این روش کار ساده‌ای نیست؛ اما تست توییت؛ نویسنده؛ مخاطبان و نوع پاسخی که مخاطبان به توییت می‌دهند همگی به محققان کمک کردند تا بتوانند سطح دقت خود را تا 85 درصد بالا ببرند. این عدد در مقایسه با 75 درصدی که بدون درنظر گرفتن فاکتورهای دیگر فقط محتوا را مورد بررسی قرار می‌داد تفاوت فاحشی را نشان می‌دهد. 

شاید این همه تلاش و تحمل سختی برای آموزش کامپیوترها به‌منظور شناخت جملات طعنه‌آمیز در توییت‌ها عجیب به‌نظر برسد؛ اما کمک کردن به ماشین برای فهم هرچه بیشتر و بهتر کلمات گفته شده و نوشته شده به اندازه کافی جالب است و در عین حال این امکان را فراهم می کند که بتوان از طریق تجزیه و تحلیل جملات کنایه‌آمیز، به نیت واقعی نویسنده آن پی‌برد.

========================

شاید به این مطالب هم علاقمند باشید:

سنفونی پایان غیر طبیعی جهان به روایت استیون هاوکینگ

واتسون، کامپیوتری با استعدادهای ادراک‌پذیری، پزشکی و آشپزی!

هوش مصنوعی در تعامل با اشیای هوشمند، غیرهوشمند و جاندار

دانشمندان مغز مصنوعی با توانایی یادگیری ارتباط کلامی ساختند

Google Now چگونه کار می‌کند؟

کورتانا در مقابل سیری، سیری در مقابل Google Now

هوش‌ مصنوعی؛ تهدید یا فرصت؟

روزی که روبات‌ها به انسان «نه» بگویند

ماشینی که انسان‌ها را بهتر از خودشان درک می‌کند

کارکردهای ملموس هوش‌ مصنوعی در زندگی روزمره ما

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

ایسوس

نظر شما چیست؟