Feb, 2024

从采用到适应：追踪新表情符号在 Twitter 上的传播

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 从无监督的情感分析中创建表情符号词库

    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

  • 表情符号情感

    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

  • 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

  • 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

  • 新模态：表情符号在预测、预期和检索方面的挑战

    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

  • 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

  • 基于语义的 Emoji 相似度度量

    本篇研究旨在通过 EmojiNet 知识库中的可机器读取 Emoji 意义，通过不同的训练语料库，利用 Emoji 描述、 Emoji 感觉标签和 Emoji 感觉定义等信息开发和测试多种嵌入模型来衡量 Emoji 相似度，并开发了名为 EmoSim508 的新数据集来评估他们的工作。经测试，作者的嵌入模型在情感分析任务中表现出色，并发布数据集和嵌入模型供公共下载。

    Jul, 2017

  • 基于表情符号的加密资产市场反应

    利用 GPT-4 和基于 BERT 模型的多模态情绪分析，通过将表情符号转化为可量化的情绪数据，将其与 BTC 价格和 VCRIX 指数等关键市场指标相关联，从而开发出基于社交媒体元素的交易策略，帮助识别和预测市场趋势，避免重大市场下滑并促进回报稳定。

    Feb, 2024

  • 研究东西方间表情符号使用中的文化差异

    本文使用社交媒体，并基于频率、语境和话题关联来比较不同国家在使用表情符号方面的异同，探讨表情符号使用的相似性和差异性，研究者发现表情符号的使用存在着显著的文化差异和规范性的使用模式，这揭示了表情符号在跨文化交流中的应用价值。

    Apr, 2019