Computational Humour: analisi del software Standup

Così come per la generazione, anche il riconoscimento informatico dello humour verbale è una sottoarea della ricerca sulla comprensione del linguaggio naturale condotta dalla AI research. Gli studi sul computational humour affermano che un gioco verbale è molto più semplice da generare che da riconoscere per un computer.
Come già visto per la generazione, anche per il riconoscimento dello humour verbale non esistono tecniche totalmente implementate ne un modello teorico completo. Pochi sono stati perciò i risultati concreti ottenuti, anche perchè, a differenza dalla generazione di humour, quest’area di ricerca richiede una più estesa conoscenza enciclopedica per poter essere implementata.
Per poter generare o riconoscere giochi verbali, un software deve essere innanzitutto in grado di elaborare sequenze di parole. A tale scopo si possono applicare tecniche statistiche di riconoscimento del linguaggio. N- grams (cfr. Taylor, 2004) è una tecnica adatta a questo scopo.

La tecnica N-grams

Si tratta di una tecnica di elaborazione di sequenze di parole, “uno dei più antichi e più utilizzati strumenti per l’elaborazione del linguaggio”(Taylor, 2004:trad. propria). Tale modello(descritto in Taylor, 2004) utilizza la “probabilità condizionale”(conditional probability) per prevedere l’N- esima parola successiva in una sequenza di parole, basandosi su N-1 parole precedenti. Ciò è possibile
perché nella maggior parte dei casi, in una sequenza di parole, le informazioni sintattiche pertinenti alla parola ricercata sono quelle immediatamente antecedenti ad essa. Questa tecnica statistica può essere applicata con successo anche al riconoscimento dello humour verbale. Una delle possibili applicazioni potrebbe essere la memorizzazione a fini statistici di sequenze di parole ad uso successivo di un generatore o rilevatore di giochi verbali.

Gli N-grams sono tipicamente costruiti a patire da statistiche ottenute su un ampio campione di testi. Utilizzando le “occorrenze” delle parole nel campione è possibile determinare le probabilità che una sequenza di parole ha di presentarsi. Durante l’elaborazione di un testo viene calcolata la probabilità della vicina parola N, prendendo in considerazione la fine delle frasi, se questa si presenta prima della parola in questione. In un modello statistico come N-gram la probabilità che una parola ha di presentarsi dipende in gran parte dal campione di testi su cui viene testato. Questo corpus di lavoro deve essere dunque attentamente preparato. Se esso è troppo specifico ad un dominio particolare, le probabilità potrebbero essere troppo basse e non generalizzabili ad altri testi. Viceversa, se il campione testuale è troppo generico, le probabilità potrebbero non essere applicabili al dominio di riferimento.