- 利用 BERT 分析短社交媒体文本中的性别极性:表情符号的作用
本研究使用 BERT 对推特账户进行性别极性检测,并着重分析了表情符号和符号在模型分类任务中的影响。我们成功证明,在推特这种简短文本格式中使用非词语输入,以及提及其他账户,会对检测账户持有人的性别产生影响。
- 表情符号排除对阿拉伯讽刺检测模型性能的影响
本论文研究了阿拉伯语言中讽刺言论检测的复杂挑战,着重探究了使用和不使用表情符号对阿拉伯语言的社交媒体内容中讽刺言论检测模型性能的影响,通过优化 AraBERT 预训练模型,验证了排除表情符号能够显著提高讽刺言论检测的准确性,为阿拉伯语自然语 - 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。
- 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 - 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 - 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。
- 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。
- EMNLP基于联邦学习的印地语推文表情符号预测
本文提出了一个模型,使用 Hindi 语言的一个新数据集作为输入,并使用修正的联邦学习算法进行监控,以实现预测表情 Symbol 的目标。该方法可以在降低数据量和保护用户隐私的同时,达到与更复杂的集中式模型相当的性能。
- 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。
- MMLIP: 有意义的文本到语音轻量级智能预处理器
本文介绍了一种轻量级的智能预处理器 LIP,旨在解决现有 TTS 系统无法识别标点符号和表情符号等消息中的信息,提出多个子模块,包括展开缩写、审查脏话、掩盖 PII 等,以提高文本的可读性。通过一项独立的调查,结果表明,相比标准 TTS,启 - 关于表情符号的无上下文歧义性
通过人们对 1289 个表情符号的一词式描述,探讨了表情符号的语义歧义情况以及其与符号学和设计的相关性。
- ACL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。
- KDDEmoji 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 - 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 - 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。
- 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 Emoj - 面向资源匮乏语言的基于表情符号表示的对比学习
提出了一种新方法,叫做使用孪生网络分类表情符号(CESNA),该方法使用孪生网络,通过相似度量基于表情符号来学习贫资源语言(如印地语和特卢古语)的表情符号表示,与资源丰富的语言一起训练并使其进入相同的表情符号空间。实验表明,CESNA 的预 - ACL多模态表情符号预测
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。
- 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。
- ACL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。