[論文レビュー] Cross-Platform Emoji Interpretation: Analysis, a Solution, and Applications

Fred Morstatter, Kai Shu+2 more|arXiv (Cornell University)|Sep 14, 2017

Digital Communication and Language参考文献 19被引用数 12

ひとこと要約

本稿は、同じ絵文字が異なるプラットフォーム（例：Windows、iOS、Android）で異なるようにレンダリングされることによるクロスプラットフォーム絵文字の誤解釈を調査する。これにより、ソーシャルメディアにおける感情分析の解釈が矛盾する。本稿では、単語埋め込みを用いたプラットフォームに配慮した絵文字マッピング手法を提案し、プラットフォーム固有のノイズを低減することで、感情分析のパフォーマンスを顕著に向上させる。

ABSTRACT

Most social media platforms are largely based on text, and users often write posts to describe where they are, what they are seeing, and how they are feeling. Because written text lacks the emotional cues of spoken and face-to-face dialogue, ambiguities are common in written language. This problem is exacerbated in the short, informal nature of many social media posts. To bypass this issue, a suite of special characters called "emojis," which are small pictograms, are embedded within the text. Many emojis are small depictions of facial expressions designed to help disambiguate the emotional meaning of the text. However, a new ambiguity arises in the way that emojis are rendered. Every platform (Windows, Mac, and Android, to name a few) renders emojis according to their own style. In fact, it has been shown that some emojis can be rendered so differently that they look "happy" on some platforms, and "sad" on others. In this work, we use real-world data to verify the existence of this problem. We verify that the usage of the same emoji can be significantly different across platforms, with some emojis exhibiting different sentiment polarities on different platforms. We propose a solution to identify the intended emoji based on the platform-specific nature of the emoji used by the author of a social media post. We apply our solution to sentiment analysis, a task that can benefit from the emoji calibration technique we use in this work. We conduct experiments to evaluate the effectiveness of the mapping in this task.

研究の動機と目的

• 実際のソーシャルメディアデータにおいて、プラットフォーム固有のレンダリングによる絵文字の誤解釈が発生するかどうかを調査すること。
• Twitter、Windows、iOS、Android などの主要プラットフォーム間で、絵文字の誤解釈の規模を定量化すること。
• 単語埋め込みを用いて、絵文字の表現を異なるプラットフォーム間で一致させるマッピング技術を開発すること。
• プラットフォーム固有の絵文字レンダリングの是正が、感情分析タスクのパフォーマンスに有意義な効果をもたらすかどうかを評価すること。

提案手法

• 著者らは、ツイートの送信元メタデータを用いてプラットフォームの起源を特定し、絵文字使用パターンを抽出する実世界のTwitterデータを分析する。
• 共起する周辺テキストに基づいて、絵文字の意味的表現を学ぶために単語埋め込みモデルを適用し、プラットフォーム間での整合性を実現する。
• 埋め込み空間におけるコサイン類似度を用いて、あるプラットフォームの絵文字を他のプラットフォームの類似度の高い絵文字にマッピングする関数を学習する。
• 提案された絵文字マッピングは、分類の前にツイートを共通の絵文字語彙に再マッピングすることで、感情分析に適用して評価する。
• 有意性の検定には、'マッピングあり'と'マッピングなし'の設定間での感情予測パフォーマンスを比較する対応t検定を用いる。

実験結果

リサーチクエスチョン

• RQ1 RQ1: 実世界のソーシャルメディアデータにおいて、絵文字のレンダリングに基づく誤解釈が発生するか？
• RQ2 RQ2: この誤解釈の規模は、主要プラットフォーム間でどの程度か？
• RQ3 RQ3: クロスプラットフォーム絵文字解釈の問題はどのように解決できるか？
• RQ4 RQ4: 絵文字の誤解釈を是正することは、感情分析に意味的な効果をもたらすか？

主な発見

• 8.627% のツイートに、プラットフォーム間で統計的に有意な感情極性の違いを示す絵文字が少なくとも1つ含まれており、広範な誤解釈が生じていることを示している。
• 提案された絵文字マッピングは感情分析の正確性を顕著に向上させ、ほとんどのプラットフォーム間マッピングでp値が1e-8未満であり、高い統計的有意性を示している。
• マッピングはすべてのプラットフォーム間組み合わせでF1スコアを向上させ、特に Twitter → Windows および Android → iOS のマッピングで顕著な向上が見られた。
• t検定の結果、'マッピング'設計は常に'マッピングなし'および'絵文字なし'のベースラインを上回っており、p値は1e-9から0.094の範囲にあり、改善の堅牢性が確認された。
• 本研究は、プラットフォーム固有の絵文字レンダリングが、同じ絵文字が1つのプラットフォームでは肯定的とされ、別のプラットフォームでは否定的と解釈されるなど、感情解釈の不一致を引き起こすことを確認した。
• 著者らは、絵文字マッピングデータとパフォーマンス指標を公開し、再現可能性およびクロスプラットフォーム絵文字理解分野における今後の研究を可能にした。