emojiSpace：表情符号的空间表示
计算与语言
2022-09-21 v1 机器学习
摘要
在消息通信缺乏非语言线索的情况下，用户使用表情符号表达部分情绪。因此，在文本消息语言模型的词表中加入表情符号可显著改进在线通信分析等许多自然语言处理（NLP）应用。另一方面，词嵌入模型通常在包含极少表情符号样本的大型文本语料（如Wikipedia或Google News数据集）上训练。本研究使用Python中Genism库的word2vec模型创建emojiSpace，一种词与表情符号组合的嵌入。我们在超过40亿条推文的语料上训练emojiSpace，并通过在包含超过6700万条推文的Twitter数据集上执行情感分析作为外部任务进行评估。该任务中，我们比较了随机森林（RF）与线性支持向量机（SVM）两种不同分类器的性能。作为评估，我们将emojiSpace性能与另两种预训练嵌入比较，表明emojiSpace优于二者。
引用
@article{arxiv.2209.09871,
title = {emojiSpace: Spatial Representation of Emojis},
author = {Moeen Mostafavi and Mahsa Pahlavikhah Varnosfaderani and Fateme Nikseresht and Seyed Ahmad Mansouri},
journal= {arXiv preprint arXiv:2209.09871},
year = {2022}
}
备注
5 pages, 5 tables