中央佛罗里达大学的计算机科学研究人员开发了一种讽刺检测器。社交媒体已成为个人以及希望销售和销售其产品和服务的公司的主要沟通形式。正确理解并响应Twitter，Facebook和其他社交媒体平台上的客户反馈对于成功至关重要，但是这非常耗费人力。

这就是情感分析的用处。该术语是指识别与文本相关的情感的自动过程，无论是积极的，消极的还是中立的。虽然人工智能指逻辑数据分析和响应，情绪分析类似于正确识别情感交流。UCF团队开发了一种技术，可以准确检测社交媒体文本中的讽刺。

该小组的发现最近发表在《熵》杂志上。

有效地，该团队教计算机模型找到经常表示讽刺的模式，并将其与教程序相结合，以正确地选择更可能表示讽刺的顺序提示词。他们教给模型提供大量数据，然后检查其准确性来做到这一点。

工程学助理教授Ivan Garibay'00MS'04PhD说：“在文本中出现讽刺是情感分析的主要障碍。” “讽刺并非总是容易在对话中识别的，因此您可以想象计算机程序要做到并做好就非常具有挑战性。我们使用多头自我关注和封闭式递归单元开发了一种可解释的深度学习模型。多头自我注意模块有助于从输入中识别关键的讽刺提示词，而循环单元则学习这些提示词之间的远程依赖性，以更好地对输入文本进行分类。”

这个由计算机科学博士学位的学生Ramya Akula组成的团队在DARPA资助下开始研究此问题，该资助支持该组织的在线社交行为的计算模拟计划。

DARPA信息项目经理Brian Kettler表示：“讽刺是提高情感分析准确性的主要障碍，尤其是在社交媒体上，因为讽刺严重依赖于语音，面部表情和手势，无法用文本表示。创新办公室(I2O)。“在文本在线交流中识别讽刺并不是一件容易的事，因为这些线索都不容易获得。”

这是Garibay的复杂自适应系统实验室(CASL)正在研究的挑战之一。CASL是一个跨学科研究小组，致力于研究复杂现象，例如全球经济，全球信息环境，创新生态系统，可持续性以及社会和文化动态与演化。CASL科学家使用数据科学，网络科学，复杂性科学，认知科学，机器学习，深度学习，社会科学，团队认知等方法研究这些问题。

阿库拉说：“在面对面的谈话中，可以使用面部表情，手势和说话者的语气毫不费力地识别出讽刺。” “在文本交流中检测讽刺并不是一件容易的事，因为这些线索都不容易获得。尤其是随着互网使用的激增，来自社交网络平台的在线交流中的讽刺检测更具挑战性。”