Detecção automática de ironia por meio de representações contextuais
A ironia é um fenômeno complexo que se manifesta em formas e contextos variados para indiretamente expressar uma gama de sentimentos, atitudes e opiniões. A interpretação de uma declaração irônica está fortemente ligada a aspectos extralinguísticos, como a intimidade entre os envolvidos no diálogo,...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | Brasil |
| Recursos: | Universidade de São Paulo (USP) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da USP |
| Idioma: | portugués |
| OAI Identifier: | oai:teses.usp.br:tde-28082025-163511 |
| Acesso em linha: | https://www.teses.usp.br/teses/disponiveis/8/8139/tde-28082025-163511/ |
| Access Level: | acceso abierto |
| Palavra-chave: | Computational linguistics Detecção automática de ironia Ironia Irony Irony detection Linguística computacional Redes sociais Social media |
| Resumo: | A ironia é um fenômeno complexo que se manifesta em formas e contextos variados para indiretamente expressar uma gama de sentimentos, atitudes e opiniões. A interpretação de uma declaração irônica está fortemente ligada a aspectos extralinguísticos, como a intimidade entre os envolvidos no diálogo, o conhecimento de normas de interação social e de mundo e o contexto em que ela foi produzida. Na Linguística Computacional, a ironia é abordada como uma tarefa de classificação automática de um texto em irônico ou não-irônico. Devido à dependência de aspectos extralinguísticos para a sua interpretação, a Detecção Automática de Ironia é uma tarefa difícil de resolver. Além disso, essa tarefa é aplicada sumariamente em textos escritos, portanto pistas advindas da entonação da voz e da expressão facial, presentes em interações cara-a-cara, estão ausentes. Alguns recursos de escrita, como a utilização de aspas, caixa alta e expressões de riso, podem servir de indicações de ironia. Todavia, apesar de úteis do ponto de vista da aplicação, esses marcadores nem sempre estão presentes e são pistas muito rasas que não dão conta do fenômeno da ironia. A presente pesquisa tem como objetivo caracterizar as formas de identificação de uma ironia em rede social a partir de uma abordagem linguístico-computacional. Tomando-a como uma implicatura conversacional, propomos que a interpretação de uma ironia depende de aspectos contextuais, principalmente quando não há evidências linguísticas de sua presença. A primeira etapa desta pesquisa foi a produção de um corpus de ironia em português composto de conversas da rede social X (anteriormente Twitter). A partir de uma análise do corpus, identificou-se sete traços linguísticos baseados em pistas de ironia, marcações de citações, dissimilaridades do texto com seu contexto conversacional, desconexões sintático-semânticas entre partes do texto e conflitos de sentimentos que podem fornecer pistas relevantes para a ironia. Com base nesses traços, propomos a ConvContextual+traços, um modelo de rede neural convolucional para a Detecção de Ironia treinada a partir de textos e seus respectivos contextos conversacionais que combina traços manuais linguísticos em sua arquitetura. Os resultados obtidos pelo modelo mostram que a ConvContextual+traços supera os resultados de uma rede neural que recebe como entrada apenas os textos, comprovando a influência da informação contextual na tarefa. Além disso, a inserção dos traços manuais melhoraram a precisão na classe de ironia em 4% em comparação ao modelo sem os traços. Ao mesmo tempo, os traços causaram uma perda na cobertura, o que indica que eles tornaram o modelo muito especializado. Por fim, a análise de erros revelou que muitos dos exemplos classificados erroneamente pelo modelo eram aqueles que dependiam fortemente de conhecimento de mundo e a respeito do autor do texto, os quais também costumam ser os mais desafiadores para os anotadores humanos |
|---|