基于大规模消息数据的词-表情符号嵌入反映表情图标的真实语义关联
计算与语言
2020-06-03 v1 信息检索
机器学习
社会与信息网络
摘要
我们在从 Jodel 在线社交网络获取的大规模消息数据上训练词-表情符号嵌入。我们的数据集包含超过 4000 万条句子，其中 1100 万条句子使用 Unicode 13.0 标准表情符号列表的一个子集进行了标注。我们通过分析表情符号之间、表情符号与文本之间以及文本与表情符号之间的关联，探究该嵌入中包含的语义表情符号关联。我们的研究以例证方式表明，基于大规模消息数据训练的词-表情符号嵌入能够反映真实世界的语义关联。为支持进一步研究，我们发布了 Jodel 表情符号嵌入数据集（JEED1488），包含 1488 个表情符号及其 300 维嵌入。
引用
@article{arxiv.2006.01207,
title = {Word-Emoji Embeddings from large scale Messaging Data reflect real-world Semantic Associations of Expressive Icons},
author = {Jens Helge Reelfs and Oliver Hohlfeld and Markus Strohmaier and Niklas Henckell},
journal= {arXiv preprint arXiv:2006.01207},
year = {2020}
}
备注
10 pages, to appear in 3rd International Workshop on Emoji Understanding and Applications in Social Media