Anwendung von Transformers und aspect-basierten Ansätzen zur Sentimentanalyse auf die Sarkasmusdetektion

Sarkasmus ist eine Form der bildhaften Sprache, die in sozialen Medien und alltäglichen Gesprächen weit verbreitet ist. Durch Sarkasmus kann die Bedeutung eines Satzes letztlich verändert werden, was den Prozess der Meinungsanalyse fehleranfällig macht. In diesem Paper schlagen wir vor, bidirektionale Encoder-Repräsentationen mit Transformers (BERT) sowie aspektbasierte Sentiment-Analyse-Ansätze einzusetzen, um die Beziehung zwischen Dialogkontextsequenz und Antwort zu extrahieren und zu bestimmen, ob die Antwort sarkastisch ist oder nicht. Die bestperformende Methode erreicht auf dem Twitter-Datensatz einen F1-Score von 0,73 und auf dem Reddit-Datensatz einen F1-Score von 0,734 bei der zweiten Workshop-Shared-Task zur Verarbeitung bildhafter Sprache 2020.