Resumen
La presente tesis doctoral, presentada como compendio de artículos científicos, aborda el complejo problema de la detección de ironía. Esta figura del lenguaje es un fenómeno figurativo y pragmático que elude el análisis lingüístico del significado literal debido a su dependencia del contexto y la intencionalidad. La dificultad del problema se intensifica en contextos de redes sociales, donde la ironía se manifiesta en dimensiones multilingües y multimodales, complicando su modelación computacional. En este sentido, esta investigación está motivada en dos direcciones: primero, las aplicaciones potenciales de la detección de ironía más allá del análisis de sentimientos, especialmente en la mitigación de problemas de comunicación y desinformación; segundo, las limitaciones existentes de los métodos automáticos para la detección eficaz de la ironía. Esta tesis explora tres direcciones principales. Inicialmente, se analiza la ironía y la sátira a través de variantes del español, introduciendo un nuevo método que integra conocimiento lingüístico y representaciones profundas dentro de un modelo recurrente neuronal dotado con mecanismos de atención, superando el rendimiento del estado del arte. Posteriormente, se extiende la investigación al escenario multimodal, proponiendo una nueva arquitectura que combina transformers textuales con transformers visuales, mejorando la precisión en la detección de ironía en contenidos de redes sociales basados en texto e imagen. Finalmente, se investiga el sesgo temático en corpus de ironía y su impacto en la generalización de modelos, adoptando dos estrategias: la identificación y la mitigación del sesgo. El análisis realizado revela que los corpus de ironía exhiben sesgos que tienen un impacto negativo en la generalización de los modelos. Consecuentemente, la mitigación de dicho sesgo en los datos de entrenamiento produce mejoras de rendimiento en diversos dominios e idiomas. Además, el estudio examina la sensibilidad de los modelos al sesgo temático, cuando este es modificado mediante variaciones lingüísticas en los datos de evaluación, confirmando una significativa vulnerabilidad de los modelos analizados. Experimentos complementarios exploran las implicaciones sociales de la ironía y el humor, subrayando sus efectos negativos cuando se utilizan indebidamente para atacar a grupos minoritarios o individuos. Al abordar dimensiones computacionales, lingüísticas y sociales, esta tesis avanza en la detección computacional de la ironía y su implicación en la comunicación digital.
Palabras clave
Computational Irony Detection; Irony and Satire Detection in Spanish; Multimodal Irony Detection; Irony, Bias and Generalisation; Social Implication of Irony; Deep Learnig; Transformer Models; eXplainable AI
