Une conception d'un modèle de détection et de classification des sentiments sarcasmes

L'évaluation du sentiment de tous les textes permet aux organisations d'avoir une vue d'ensemble de l'attitude positive ou négative des utilisateurs à l'égard d'une question donnée. Utiliser le sarcasme, c'est se trouver dans un état de discours dans lequel l'auteur décrit quelque chose de manifestement hostile à l'auditeur ou à une autre personne dans l'intention de l'insulter ou de la ridiculiser. Il est difficile de créer un modèle capable d'identifier avec précision le sarcasme dans le domaine du traitement du langage naturel, car l'identification du sarcasme repose fortement sur le contexte des énoncés ou des phrases (NLP). Les développements récents des modèles d'apprentissage profond (DL) ont un impact sur les réseaux neuronaux (NN) dans l'apprentissage des informations lexicales et contextuelles, ce qui élimine le besoin de caractéristiques construites manuellement dans la détection du sarcasme. Un modèle automatisé d'identification des sarcasmes a été développé pour reconnaître l'émotion originale d'un texte donné en cas de sarcasme, ce qui permet une détection précise des sarcasmes.

Autorentext

K. Kavitha a obtenu un doctorat en informatique et ingénierie à l'université Acharya Nagarajuna. Je travaille actuellement en tant que professeur assistant principal dans le département informatique de l'Institut Aditya de technologie et de gestion, Tekkali. Mes domaines de recherche sont l'apprentissage automatique, l'apprentissage profond et l'IA. Mes sujets préférés sont l'analyse de la conception par les algorithmes.

Klappentext

L'évaluation du sentiment de tous les textes permet aux organisations d'avoir une vue d'ensemble de l'attitude positive ou négative des utilisateurs à l'égard d'une question donnée. Utiliser le sarcasme, c'est se trouver dans un état de discours dans lequel l'auteur décrit quelque chose de manifestement hostile à l'auditeur ou à une autre personne dans l'intention de l'insulter ou de la ridiculiser. Il est difficile de créer un modèle capable d'identifier avec précision le sarcasme dans le domaine du traitement du langage naturel, car l'identification du sarcasme repose fortement sur le contexte des énoncés ou des phrases (NLP). Les développements récents des modèles d'apprentissage profond (DL) ont un impact sur les réseaux neuronaux (NN) dans l'apprentissage des informations lexicales et contextuelles, ce qui élimine le besoin de caractéristiques construites manuellement dans la détection du sarcasme. Un modèle automatisé d'identification des sarcasmes a été développé pour reconnaître l'émotion originale d'un texte donné en cas de sarcasme, ce qui permet une détection précise des sarcasmes.