DETEKCIJA SARKAZMA U KOMENTARIMA SA REDDIT STRANICE
Apstrakt
Analiza sentimenta je veoma zastupljena u istraživanjima danas. Deo problema određivanja sentimenta predstavlja detekcija sarkazma, jer on često može da navede model da zaključuje suprotno od tačnog. Ovaj fenomen se javlja zbog same prirode sarkazma: upotreba pozitivnih reči u cilju izražavanja negativnih osećanja. Tema ovog rada je detekcija sarkazma u komentarima, gde se on češće javlja u odnosu na druge tekstualne sadržaje. U ovom radu prikazani su različiti pristupi u rešavanju datog problema. Predloženi su različiti klasifikacioni modeli – metod slučajnih šuma (engl. Random Forest), metod potpornih vektora (engl. Support Vector Machines - SVM), logistička regresija, kao i različite arhitekture neuronskih mreža – Yoon Kim model, konvolucioni model, rekurentni model i konvoluciono-rekurentni. Uporedo sa srodnim istraživanjima i ovim radom je pokazano da je detekcija sarkazma moguća i da se daljim unapređenjem modela tačnost može povećati i time doprineti značajnom poboljšanju analize sentimenta.
Reference
[2] https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html
[3] https://scikit-learn.org/stable/modules/svm.html
[4] https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html
[5] Convolutional neural networks for sentence, Kim, Yoon, 2014
[6] Detecting Sarcasm in Text, Peng, Chun-Che; Lakis, Mohammad, Pan, Jan Wei.
[7] https://www.thesarcasmdetector.com/
[8] Sarcastic or not: Word embeddings to predict the literal or sarcastic meaning of words, Ghosh, Debanjan; Guo, Weiwei; Muresan, Smaranda.
[9] https://towardsdatascience.com/introduction-to-word-embedding-and-word2vec-652d0c2060fa
[10] A deeper look into sarcastic tweets using deep convolutional neural networks, Poria, Soujanya
[11] https://nlp.stanford.edu/projects/glove/
[12] https://drive.google.com/file/d/0B7XkCwpI5KDYNlNUTTlSS21pQmM/edit
