Sarcasm Messages Detection using Hybrid Features Extraction Deriving from Context and Content Sentences on Social Networks

Abstract

This research aims to develop the detection of sarcastic message in Thai language on social networks. Moreover, context-based and content-based features are extracted from messages and studied for detecting sarcastic messages. Deep leaning and machine learning techniques are applied to classify sarcastic message. From the experimental results, they show that the combination of context-based and content-based features gives the highest accuracy. LSTM gives the highest accuracy at 96.79% when using bidirectional LSTM with 256 nodes, ReLU is used as active function, dropout layer is 0.2, Sigmoid is used as output activation, loss function is binary cross entropy, and adam is used as optimizer.

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาการตรวจจับข้อความประชดประชันภาษาไทยบนเครือข่ายสังคมออนไลน์ และทำการศึกษาคุณลักษณะที่สกัดจากบริบทของข้อความและคุณลักษณะที่สกัดจากเนื้อหาของข้อความในการจำแนกข้อความประชดประชัน เทคนิคการเรียนรู้เชิงลึกและเทคนิคการเรียนรู้ของเครื่องถูกนำมาประยุกต์ใช้ในการจำแนกข้อความประชดประชัน จากการทดลองแสดงให้เห็นว่าการสกัดคุณลักษณะจากบริบทของข้อความรวมกับเนื้อหาของข้อความให้ค่าความถูกต้องมากที่สุด และวิธี LSTM ให้ค่าความถูกต้องมากที่สุดคือ 96.79% เมื่อกำหนดพารามิเตอร์ Bidirectional LSTM จำนวน 256 โหนด ใช้ Activation function เป็น ReLU Dropout layer เท่ากับ 0.2, Output activation เป็น Sigmoid, loss function แบบ binary cross entropy และ optimizer เป็น adam