基于情感、标签话题与应用来源的「有源」转折:表情符号预测
计算与语言
2021-03-16 v1
摘要
我们在社交网络中广泛使用表情符号以增强、缓和或否定文本的情感。许多跨平台应用已具备表情符号建议功能,但表情符号的预测仅基于少数显著词,而非理解文本的主题与实质。本文展示了利用 Twitter 特征帮助模型理解所涉情感从而预测最合适表情符号的重要性。标签话题(hashtags)与 Android 等应用来源(application sources)是我们在表情符号预测及整体 Twitter 情感分析中发现重要却未被充分利用的两个特征。为弥补此不足并进一步理解表情符号行为模式,我们通过爬取额外 Twitter 数据构建更平衡的数据集,其中包含时间戳、标签话题与应用来源作为推文的附加属性。我们的数据分析与神经网络模型性能评估表明,将标签话题与应用来源作为特征使用可编码不同信息,并有效提升表情符号预测。
引用
@article{arxiv.2103.07833,
title = {A `Sourceful' Twist: Emoji Prediction Based on Sentiment, Hashtags and Application Source},
author = {Pranav Venkit and Zeba Karishma and Chi-Yang Hsu and Rahul Katiki and Kenneth Huang and Shomir Wilson and Patrick Dudas},
journal= {arXiv preprint arXiv:2103.07833},
year = {2021}
}