通过调查信息发送者和接收者,本文研究了四种不同类型表情符号的使用动机、意图以及在语境影响下的情感效果。研究结果发现四种表情符号差异显著,其在非语言交流中具有独特的功能。
Mar, 2017
本研究探究了文字和表情符号之间的关系,并使用长短期记忆网络等多种模型预测文本信息所触发的表情符号,而实验结果表明,计算模型比人工能更好地捕捉表情符号的潜在语义。
Feb, 2017
本研究通过收集一年的 GitHub 问题并应用因果推断技术来研究表情符号对问题解决和开发者参与的影响,发现表情符号可以显著减少问题的解决时间并吸引更多用户参与,此外还对不同类型的问题产生的异质效应进行了比较,从而深化了我们对开发者社区的理解并提供了促进互动和扩大开发者参与的设计启示。
Aug, 2023
本文探讨了 Emoji 图标的使用和语义,并通过比较不同时间的语料库,证明不同时间的 Emoji 图标的使用情况是不同的。此外,我们提出了一种考虑时间因素的 Emoji 预测系统,这种系统在性能上优于现有的系统,并可以显著提高某些 Emoji 图标的准确性。
May, 2018
本文介绍了一种新一代表情符号 —— 表情符号的情感分析研究,提供了名为 Emoji Sentiment Ranking 的表情符号情感词典,绘制了 751 个常用表情符号的情感地图,并提出了适用于欧洲语言的 Emoji Sentiment Ranking 作为自动化情感分析的一个独立资源。
Sep, 2015
通过对采样的英语推特的大数据集进行分析,我们研究了新发布的表情符号在社交媒体中如何获得关注并发展其意义,发现早期采纳者的社群规模和表情符号的语义对其受欢迎程度至关重要,某些表情符号在传播过程中经历了意义和情感关联的显著转变,此外,我们提出一个使用语言模型提取具有语义相似背景的单词和已存在的表情符号的新框架,通过将未知新表情符号替换为熟悉的表情符号,该框架在情感分类性能方面展示了其有效性。本研究为理解新语言单位如何被采纳、改编和融入在线交流的过程提供了一个新的视角。
Feb, 2024
研究了一种基于多模态方法的表情符号预测技术,通过结合图片和文本信息可以更准确地进行表情符号预测,并发现这两种模态的信息能够相互补充从而提高预测准确性。
Mar, 2018
在线媒体产生了大量的非结构化数据,我们提出了一种新的方法来预测在线文本消息中表达的表情符号的情感,并构建了一个情感词典进行评估和比较。
Apr, 2024
本文探讨了将表情符号视为一种新的语言交流媒介的可能性,并基于采集自 Twitter 的数据集,实现了从文本和图像中预测表情符号的功能。同时,也初步解决了如何处理新的表情符号和使用表情符号进行多媒体检索的问题。
Jan, 2018
研究人员创建了一个综合词语和表情符号嵌入模型,在 Twitter 数据集上进行情感分析比较,发现其在表现上胜过其他预训练嵌入模型。
Sep, 2022