Mar, 2024

表情译文：为任意文本丰富表情符号

PDF
TL;DR通过大型语言模型的帮助，Emojinize 方法能够将任意文本短语翻译为一个或多个表情符号序列，以增强其表达能力。经过用户研究，我们发现 Emojinize 的表情符号翻译能够提升掩盖词的猜测性，表情符号的选取比人工选择的表情符号翻译提高了更多猜测准确率。这些结果表明，表情符号提供了足够丰富的词汇来准确翻译各种单词。此外，使用 Emojinize 的表情符号翻译对于儿童学习阅读、成人学习外语以及阅读障碍人群的文本理解等具有广泛的应用前景。
发现论文，激发创造
  • 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

  • 使用 Transformer 模型进行 Emoji 预测

    本研究提出了一种基于 BERT 的 transformer 方法来预测文本中最合适的 emoji 表情符号，实验结果表明我们的方法的准确性高于其他几种先进的模型，这个方法有潜在的在自然语言处理、情感分析和社交媒体营销的应用。

    Jul, 2023

  • 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

  • Emoji 预测：扩展和基准测试

    本文提出了基于 Transformer 网络的多类和多标签表情符号预测模型，并使用启发式方法从 Twitter 构建了多个表情符号预测数据集。实验结果表明，相对先前的最新技术，我们的 BERT 模型在所有数据集和所有设置下都取得了最先进的性能，其中精度提高了 27.21％到 236.36％，前 5 个精度提高了 2.01％到 88.28％，F-1 分数提高了 65.19％到 346.79％。

    Jul, 2020

  • EmojiNet: 为表情符号构建机器可读的义项库

    EmojiNet 是一种机器可读的表情符号含义库，通过引用多个表情符号资源与 BabelNet 相结合，可以自动构建表情符号库，以帮助机器在上下文中识别表情符号的意义。

    Oct, 2016

  • 表情符号解码：利用 ChatGPT 增强社交媒体交流的理解能力

    ChatGPT 评估了其在已注释和后续任务处理方面的有效性，以验证 ChatGPT 能否在表情符号研究中作为可行的替代品，并且其解释表情符号含义的能力能增加在线沟通的清晰度和透明度。研究结果表明，ChatGPT 对表情符号有广泛的知识，并能够在不同应用场景中阐明其含义，具备取代人类注释者进行多种任务的潜力。

    Jan, 2024

  • 基于表情符号的情感转移学习

    该研究使用迁移学习的方法，利用表情符号编码的情感信息来提高各种情感任务的表现，发现单语言学习的源任务具有优势，并在三种条件下分析了转移学习的有效性。

    Feb, 2021

  • 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

  • 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

  • 基于表情的表示学习在跨语言情感分类中的应用

    本研究提出了一种利用表情符号作为新通道来学习语言中跨语言和特定语言情感模式的表示学习方法，并将其应用于跨语言情感分类。该方法在基准数据集上展示出最先进的性能表现。

    Jun, 2018