Einsatz künstlicher neuronaler Netze zur Identifikation von Ironie im Rahmen der Sentiment-Analyse

Die automatisierte Identifikation von Ironie stellt computergestützte Systeme vor eine komplexe Herausforderung, da sie als figurativer Sprachakt umfassende kognitive Fähigkeiten zur Erkennung voraussetzt. Gleichzeitig ist das korrekte Erkennen von Ironie in vielfältigen Anwendungsbereichen der computergestützten Datenverarbeitung und -analyse, allem voran dem Bereich der Sentiment-Analyse, von großer Bedeutung, da die Missachtung des Vorhandenseins von Ironie zu teilweise erheblichen Verfälschungen der Analyseergebnisse führen kann. Künstliche neuronale Netze, als Nachbildung natürlicher neuronaler Strukturen, ermöglichen computergestützten Systemen im besonderen Maße die Lösung von Problemstellungen, welche komplexe kognitive Fähigkeiten voraussetzen, darunter die Erkennung von Ironie. Das Buch beschäftigt sich mit dem Phänomen der Ironie und deren automatisierte computergestützte Identifikation mittels künstlicher neuronaler Netze. Basierend auf Erkenntnissen der Untersuchung bisheriger Forschungsarbeiten erfolgt eine strukturierte Entwicklung eines künstlichen neuronalen Netzes, welches in der Lage ist, Ironie in Textdaten zu identifizieren. Der Entwicklungsprozess umfasst dabei alle wesentlichen Aspekte, die einen Einfluss auf die Leistungsfähigkeit eines künstlichen neuronalen Netzes ausüben, darunter der grundlegende Aufbau des Netzes, die Wahl der Hyperparameter, der Einsatz von Regulierungstechniken sowie die Datenvorverarbeitung inklusive der Gestaltung der an das Netz übergebenen Features. An den Entwicklungsprozess schließt sich eine Testphase an, die das entwickelte künstliche neuronale Netz anhand unterschiedlicher Datenbestände mit ironischen Inhalten evaluiert. Im Zuge der Testphase erfolgt zudem eine Erweiterung des bestehenden Pools ironischer Datenbestände um einen neuen Datenbestand, welcher erstmal deutschsprachige ironische Textdaten enthält.