AAAIAug, 2023

Emoji 提升 GitHub 上开发者参与和问题解决

PDF
TL;DR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。
发现论文，激发创造
  • Twitter 上的表情符号和表情包：一种因果推断方法研究

    本文研究了表情符号在社交媒体上的使用，分析了它与先前的输入法的差异，并使用因果推断的匹配方法检验了表情符号的使用是否会导致用户在 Twitter 上使用更少的表情符号。

    Oct, 2015

  • 使用 Emoji 表情符号的意图和情感效应

    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

  • 通过时间变化镜头探索表情符号使用和预测

    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

  • emojiSpace：表情符号的空间表示

    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

  • 我与你站在一起：使用表情符号研究危机事件中的团结

    本研究旨在探讨在社交媒体上如何利用 Emoji 表情符号表达团结一心的方式，主要针对 2017 年飓风 Irma 自然灾害与 2015 年巴黎恐怖袭击两大危机事件的社交媒体数据进行基于人工神经网络的分类表情符号分析，并研究表情符号随时间和空间扩散反映社交媒体用户的行为变化；研究发现 Emoji 表情符号是社会语言行为（团结一心）的有力指标。

    Jul, 2019

  • 从采用到适应：追踪新表情符号在 Twitter 上的传播

    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

  • 无言以对：基于表情符号语义漂移的建模

    本研究论文探讨了 emoji 在社交和语言意义上的演变，通过研究语义漂移的框架来分析 emoji 现象及相关特征的影响因素。

    Oct, 2021

  • 表情符号是否可预测？

    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

  • 人类与线性混合模型：探究数字通信中表情符号解释与使用的差异

    通过研究 GPT-4V 在复制人类使用表情符号方面的行为，揭示了人类和 GPT-4V 之间明显的差异，这可能是由于人类解释的主观性以及 GPT-4V 的以英语为中心的训练的局限性所引起的，这暗示了文化偏见和对非英语文化的不足。

    Jan, 2024

  • EmojiLM: 建模新的表情符号语言

    通过从大型语言模型合成大规模的文本 - 表情符号平行语料库，并在此基础上提取面向文本 - 表情符号双向翻译的序列到序列模型，我们的研究在公共基准测试和人工评估中表现出优于强基准模型的性能，且平行语料库对与表情符号相关的后续任务有益。

    Nov, 2023