研究人员将表情符号图标作为嗅觉讽刺的工具

研究人员在训练计算机时遇到的一个令人头疼的问题是试图理解当人使用讽刺和讽刺时人类真正意味着什么。(太棒了，火车卡住。令人震惊的消息，我们的女儿迟到了。可能出现什么问题。高峰时段交通，有趣，有趣。)

一个项目可能会有一个良好的开端。8月3日，麻省理工学院媒体实验室发布了一段名为DeepMoji的视频。这是一个模型，使用数百万条推文来学习文本中的情感概念，如讽刺和讽刺。

人们在写作时真正的意思是什么?简单的问题，研究人员更了解; 训练计算机时这是一个难题。DeepMoji的研究人员正在转向使用表情符号图标来理解讽刺。怎么样?使用最先进的算法 - 以及数百万条消息。

DeepMoji项目页面指出“我们要求机器从实际文本的许多示例中学习，而不是明确地告诉机器如何识别情感。”

他们拥有的数据越多，他们就越能解决这个问题。

MIT技术评论：

“该算法使用深度学习，这是一种流行的机器学习技术，它依赖于训练一个非常大的模拟神经网络来识别使用大量数据的细微模式。训练这种算法的秘诀在于许多推文已经使用类似标签的东西系统情感内容：绘文字 “。该报告称，研究人员收集了550亿条推文，并选择了12亿条含有64种流行表情符号的组合。

如果他们的项目方法是跨越到现实世界的应用程序，那么会想到许多实际用途。可以更好地理解社交媒体的评论，包括表明欺凌和种族主义的言论。

此外，项目页面说：“经典用例是希望了解客户对他们的看法的公司。但是现在还有许多其他用例，自然语言处理(NLP)正在成为一个越来越重要的部分例如，所有新的聊天机器人服务可能会受益于对文本中情感内容的细致理解。最后，它可以用于各种有趣的研究目的。“

麻省理工学院媒体实验室媒体艺术与科学副教授Iyad Rahwan与他的一名学生Bjarke Felbo一起开发了算法。

从更大的角度来看，费尔博评估了这项工作可能为情绪分析带来了什么。在8月3日的帖子中，“我们可以从Emojis学到什么?” 费尔博写道，“这项研究只是向更复杂的情绪分析迈出了一小步。” 例如，该领域的一个贡献可能是“一个适当的基准数据集，其标签比正面/负面更细致。基准驱动ML研究，因此这是至关重要的。”

下一步是什么?

Rahwan和Felbo“计划发布算法的代码，以便其他研究人员可以使用它，”BBC说。

一些BBC网站访问者对新闻的娱乐反应已经反映了emjoji的谈话。一个评论是“三个保龄球和一棵棕榈树。”