[논문 리뷰] Mining the Relationship between Emoji Usage Patterns and Personality

Weijian Li, Yuxiao Chen외 2명|arXiv (Cornell University)|2018. 04. 14.

Digital Communication and Language참고 문헌 10인용 수 11

한 줄 요약

이 연구는 71,823명의 사용자와 7,500만 건의 트윗을 포함한 대규모 트위터 데이터셋을 바탕으로 사용자 성격 특성과 이모지 사용 패턴 간의 관계를 조사한다. 계산 기반 접근법을 통해 빅 파이브 성격 특성과 이모지 사용 패턴을 추출하여, 성격이 이모지 빈도와 선호도에 상당한 영향을 미친다는 것을 입증한다. 특히 신경성과 외향성이 가장 강한 상관관계를 보이며, 기계 학습 모델에 성격 특징을 통합함으로써 텍스트 전용 기준 대비 이모지 예측 정확도가 8.9% 향상된다.

ABSTRACT

Emojis have been widely used in textual communications as a new way to convey nonverbal cues. An interesting observation is the various emoji usage patterns among different users. In this paper, we investigate the correlation between user personality traits and their emoji usage patterns, particularly on overall amounts and specific preferences. To achieve this goal, we build a large Twitter dataset which includes 352,245 users and over 1.13 billion tweets associated with calculated personality traits and emoji usage patterns. Our correlation and emoji prediction results provide insights into the power of diverse personalities that lead to varies emoji usage patterns as well as its potential in emoji recommendation tasks.

연구 동기 및 목표

• 사용자 성격 특성이 소셜 미디어 커뮤니케이션에서 이모지 사용 패턴에 영향을 미치는지 조사하는 것.
• 특정 빅 파이브 성격 차원과 이모지 빈도 및 이모지 선호도 간의 관계를 분석하는 것.
• 성격 특징이 이모지 예측 성능 향상에 기여하는 정도를 평가하는 것.
• 성격 특징이 개인화된 이모지 추천 시스템 향상에 어떻게 활용될 수 있는지 탐색하는 것.

제안 방법

• 2016년 3월부터 6월까지 352,245명의 트위터 사용자로부터 11.3억 건의 트윗을 수집하고, 비공개 계정, 영어로 된 트윗, 충분한 트윗 수량과 중간 수준의 이모지 사용 빈도를 가진 사용자로 필터링하였다.
• 처리된 트윗 텍스트에서 Receptiviti의 LIWC 기반 모델을 사용해 빅 파이브 성격 특성(열린성, 성실성, 외향성, 친화성, 신경성)을 추출하였다.
• 이모지 사용 빈도를 이모지를 포함한 트윗의 비율로 정의하고, 성격 4분위수 간 평균 사용 빈도를 이중측 검정(t-test)을 통해 분석하였다.
• 일반적으로 사용되는 이모지의 빈도 분석을 통해 각 성격 차원별로 특정 이모지 선호도를 규명하였다.
• 19개의 빈도가 높은 이모지를 예측하기 위해 다중 클래스 텍스트 분류기를 훈련하고, 성격 특징 유무에 따라 성능을 평가하였다.
• 성격 특징을 추가 입력 특징으로 통합하여 기계 학습 분류기의 성능에 미치는 영향을 평가하기 위해 융합하였다.

실험 결과

연구 질문

• RQ1 빅 파이브 성격 특성의 다섯 가지 차원이 전체 이모지 사용 빈도와 어떻게 상관관계가 있는가?
• RQ2 각 성격 차원과 가장 강하게 연관된 특정 이모지는 무엇인가?
• RQ3 성격 특징이 텍스트만을 사용하는 기준 대비 이모지 예측 정확도를 어느 정도 향상시키는가?
• RQ4 성격 특징이 개인화된 이모지 추천 시스템 향상에 기여할 수 있는가?

주요 결과

• 낮은 외향성 점수를 가진 사용자가 가장 높은 빈도로 이모지를 사용하며, 낮은 신경성 점수를 가진 사용자가 가장 낮은 빈도로 사용한다. 이는 외향성과는 반비례 관계가 있으며, 신경성과는 정비례 관계가 있음을 시사한다.
• t-검정 결과, 성실성(p = 5.7e-7), 외향성(p = 4.14e-43), 친화성(p = 7.67e-37), 신경성(p = 6.76e-83)의 경우 고점수자와 저점수자 간 평균 이모지 사용 빈도에 통계적으로 유의미한 차이가 있었지만, 열린성(p = 0.032 > 0.005)의 경우는 유의미하지 않았다.
• 신경성 특성을 가진 사용자는 "소리 치는 얼굴"(0.245 빈도) 및 "피곤한 얼굴"(0.234 빈도)와 같은 정서적으로 표현적인 이모지를 선호하는 특징을 보이며, 고유한 정서 표현 패턴을 가짐을 시사한다.
• 성실성 특징이 이모지 예측 정확도 향상에 가장 기여하며, 개별 특징 중에서 가장 큰 정확도 향상 효과를 보였다. 반면 열린성은 가장 작은 향상 효과를 보였다.
• 모든 다섯 가지 성격 특징을 분류기에 융합했을 때 이모지 예측 성능이 가장 높았으며, 이는 텍스트 전용 기준의 15.8%에서 17.2%로 정확도가 향상됨을 의미한다.
• 성격 특징은 텍스트 전용 모델이 실패하는 경우에도 특정 이모지를 정확히 예측할 수 있도록 도와주며, 예를 들어 성격이 좋은 사용자가 성공을 기념할 때 🎉를 사용하는 것을 정확히 식별하는 데 기여한다.