Ein multimodales Korpus zur Emotionserkennung in Sarkasmus

Obwohl Sentiment- und Emotionsanalyse umfassend untersucht wurden, blieb die Beziehung zwischen Sarkasmus und Emotion weitgehend unerforscht. Eine sarkastische Äußerung kann unterschiedliche zugrundeliegende Emotionen verbergen. So verbergt beispielsweise „Ich liebe es, ignoriert zu werden“ Traurigkeit, während „Mein Mobiltelefon ist großartig mit einer Akkulaufzeit von nur 15 Minuten!“ Frustration ausdrückt. Die Erkennung der Emotion hinter einer sarkastischen Äußerung ist zwar nicht trivial, doch von großer Bedeutung. Wir übernehmen die Aufgabe, die Emotion in einer sarkastischen Aussage zu erkennen – eine bislang, soweit uns bekannt ist, völlig unerforschte Aufgabe. Wir beginnen mit dem kürzlich veröffentlichten multimodalen Dataset zur Sarkasmus-Erkennung (MUStARD), das bereits mit neun Emotionen vorkommentiert ist. Wir identifizieren und korrigieren 343 fehlerhafte Emotionslabels (von insgesamt 690). Wir verdoppeln die Datengröße und annotieren die Daten zusätzlich mit Emotionsintensitätsindikatoren – Valenz und Arousal. Schließlich klassifizieren wir jede sarkastische Äußerung in eine der vier Sarkasmusarten: Propositional, Embedded, Like-prefixed und Illokutionär, um die Forschung zur Sarkasmus-Erkennung voranzutreiben. Umfassende Experimente mit multimodalen (Text, Audio, Video) Fusionsmodellen etablieren eine Benchmark für die exakte Emotionserkennung im Kontext von Sarkasmus und übertrifft die bisherigen State-of-the-Art-Methoden zur Sarkasmus-Erkennung. Wir veröffentlichen das erweiterte Dataset mit diversen Annotationen sowie den Quellcode für Forschungszwecke: https://github.com/apoorva-nunna/MUStARD_Plus_Plus