New Avenues in Computational Irony Detection in Social Media

[ES] Esta tesis aborda la detección de ironía como un desafío lingüístico, computacional y social multifacético, considerando la variación multilingüe, la multimodalidad y el sesgo en los corpus de entrenamiento. La tesis propone una arquitectura LSTM con mecanismos de atención que integra rasgos lingüísticos y representaciones profundas para detectar la ironía y la sátira en Español. Introduce un nuevo modelo que combina transformers textuales y visuales para el análisis multimodal. Además, analiza el sesgo en los corpus de ironía, mostrando su efecto negativo en la generalización y mostrando mejoras tras su identificación y mitigacion.

[EN] This thesis investigates irony detection as a multifaceted linguistic, computational, and social challenge, addressing multilingual variation, multimodality, and corpus bias. The work introduces an attentive LSTM architecture integrating linguistic and deep features for Spanish irony and satire detection, and proposes an end-to-end model combining textual and visual transformers for multimodal irony detection in social media content. This work further analyses topic bias in irony corpora, demonstrating its detrimental impact on model generalisation and showing gains achieved through bias identification and mitigation.