"Ik voel me ziek." "Dit videospel is ZIEK!" Naar een computer, het woord "ziek" kan in deze twee zinnen dezelfde betekenis hebben.

Maar een Purdue-professor combineert machine learning met modellen van sociale relaties en gedrag om tussen de regels tekst door te lezen en de bedoeling van de auteur op een diepere manier vast te leggen. De technologie kan helpen bij het identificeren van vooroordelen in posts en nieuwsartikelen op sociale media, hoe beter de validiteit van de informatie kan worden beoordeeld.

Traditionele verwerking van natuurlijke taal omvat het zoeken naar trefwoorden, bijvoorbeeld het woord "goed" duidt normaal gesproken op een positief advies. Dit werkt goed voor bepaalde toepassingen, maar is niet handig als de tekst dubbelzinnig is, bijvoorbeeld als de auteur een woord of zin sarcastisch of ironisch bedoelde.

Dat is waar de benadering van Purdue-professor Dan Goldwasser om de hoek komt kijken. Hij richt zich met name op actuele gebeurtenissen en politieke kwesties, en analyseert nieuwsartikelen en tweets van politici om te proberen te bepalen hoe de auteur bepaalde kwesties framet en wat hun ideologie is.

Goudwasser, een assistent-professor in de informatica, zal over dit werk praten bij Dawn of Doom '18, Purdu's jaarlijkse conferentie over de risico's en voordelen van opkomende technologieën. Dawn or Doom zal worden gehouden op Purdue's West Lafayette campus maandag en dinsdag (5 nov. 5-6). De conferentie, nu in zijn vijfde jaar, is gratis en open voor het publiek.

Dawn or Doom is afgestemd op Purdue's Giant Leaps Sesquicentennial-campagne en maakt deel uit van het Ideas Festival-thema, Gigantische sprongen in kunstmatige intelligentie, algoritmen, en automatisering:mens en technologie in evenwicht brengen. Het Ideas Festival vormt het middelpunt van de campagne en verbindt wereldberoemde sprekers en Purdue-expertise in een gesprek over de meest kritieke problemen en kansen waarmee de wereld wordt geconfronteerd.

Bij een project is Goldwasser analyseert Twitter-berichten van politieke functionarissen. Tweets kunnen een uitdagende vorm van tekst zijn om te interpreteren, omdat ze kort zijn en dubbelzinnig kunnen zijn. Als voorbeeld, na een massale schietpartij, de zinsnede "gedachten en gebeden" kan oprecht worden gebruikt om medeleven te betuigen met de families van de slachtoffers, maar het kan ook sarcastisch worden gebruikt als kritiek op het gebrek aan overheidsmaatregelen op het gebied van wapenbeheersing.

Goldwasser en zijn team proberen te begrijpen hoe politici kwesties of gebeurtenissen framen, en hoe dat kader licht werpt op hun standpunt over de kwestie. Om dit te doen, hij combineert taalkundige analyse met het modelleren van sociale relaties en gedrag. Sociale netwerken kunnen inzicht geven in de betekenis van tekst, want als twee mensen nauw met elkaar verbonden zijn, ze zullen waarschijnlijk vergelijkbare ideologieën delen. Gedrag, zoals wanneer een persoon berichten plaatst op sociale media, kunnen voorspellen om welke problemen ze het hebben. Het combineren van alle drie de modellen geeft een completer beeld van de bedoeling van de auteur dan alleen op een van hen te vertrouwen.

Bij een ander project gefinancierd door Google, Goldwasser gebruikt sociale relatiemodellen om vooroordelen in nieuwsbronnen te identificeren. Trefwoorden kunnen een goede manier zijn om ideologie te differentiëren voor een kleine set gegevens. Bijvoorbeeld, een artikel over een massaschietpartij dat zich richt op de mentale gezondheid van de schutter heeft meer kans op een conservatief standpunt, overwegende dat een artikel waarin wordt besproken hoe het wapen is verkregen, eerder een liberale kijk heeft.

"Het probleem is dat het handmatig identificeren van de relevante indicatoren voor elk evenement moeilijk op te schalen is, ' zegt Goldwasser.

In plaats daarvan, zijn team verzamelt meerdere nieuwsartikelen over hetzelfde evenement en bouwt een netwerk op van mensen die de artikelen op sociale media delen. Op basis van de connectie van het netwerk met individuen of organisaties met een bekende politieke inslag, het perspectief van het artikel kan worden afgeleid zonder handmatig relevante zoekwoorden te hoeven genereren.