FinMoji：面向金融社交媒体的表情符号驱动情感分析框架
计算与语言
2026-05-12 v1
摘要
本文探讨了表情符号在金融情感分析中的使用，重点关注社交媒体平台 StockTwits。表情符号在数字通信中日益普及，具有作为投资者情感紧凑指标的潜力，这对于预测市场趋势可能至关重要。我们的研究考察了仅使用表情符号是否可以作为金融情感的可靠代理，以及它们与传统基于文本的分析相比如何。我们使用逻辑回归和 Transformer 模型进行了一系列实验。我们进一步分析了基于表情符号与基于文本的情感分类的性能、计算效率和数据要求。使用包含约 528,000 条含表情符号的 StockTwits 帖子的均衡数据集，我们发现仅使用表情符号的模型 F1 分数约为 0.75，低于文本-表情符号组合模型（F1 约为 0.88），但计算成本远低于后者。这是高频交易等对时间敏感的场景中一个有用的特性。此外，某些表情符号和表情符号对对市场情感表现出强大的预测能力，在预测看涨或看跌趋势时准确率超过 90%。最后，我们的研究揭示了金融与一般社交媒体语境之间在表情符号使用上存在巨大统计差异，强调了针对特定领域的情感分析模型的必要性。
引用
@article{arxiv.2605.09469,
title = {FinMoji: A Framework for Emoji-driven Sentiment Analysis in Financial Social Media},
author = {Ahmed Mahrous and Roberto Di Pietro},
journal= {arXiv preprint arXiv:2605.09469},
year = {2026}
}