[논문 리뷰] Through a Gender Lens: Learning Usage Patterns of Emojis from Large-Scale Android Users

Zhenpeng Chen, Xuan Lü외 4명|arXiv (Cornell University)|2017. 05. 16.

Digital Communication and Language참고 문헌 59인용 수 66

한 줄 요약

본 논문은 대규모 Android 데이터셋을 사용하여 이모지 사용에서의 성별 차이를 분석하고, 다국어에 걸쳐 이모지 사용만으로도 성별을 높은 정확도로 추정할 수 있음을 보인다.

ABSTRACT

Based on a large data set of emoji using behavior collected from smartphone users over the world, this paper investigates gender-specific usage of emojis. We present various interesting findings that evidence a considerable difference in emoji usage by female and male users. Such a difference is significant not just in a statistical sense; it is sufficient for a machine learning algorithm to accurately infer the gender of a user purely based on the emojis used in their messages. In real world scenarios where gender inference is a necessity, models based on emojis have unique advantages over existing models that are based on textual or contextual information. Emojis not only provide language-independent indicators, but also alleviate the risk of leaking private user information through the analysis of text and metadata.

연구 동기 및 목표

• 전 세계의 다언어 맥락에서 성별이 이모지 사용에 어떤 영향을 미치는지 이해를 자극한다.
• 이모지 사용 빈도, 선호도 및 어감 표현에서 성별 특이 차이에 대한 실증적 증거를 제공한다.
• 텍스트나 맥락 데이터 없이도 이모지가 성별 추론에 미치는 예측력을 보여준다.

제안 방법

• Kika Keyboard 앱에서 58개 언어에 걸친 134,419명의 익명화된 Android 사용자와 401 million 건의 메시지를 수집한다.
• 이모지 사용 통계(빈도, 상위 이모지, MI로 식별 가능한 이모지) 및 PMI를 이용한 공동 사용 패턴을 계산한다.
• 이모지를 남성/여성으로 표기한다. p(Male|e) 및 p(Female|e)에 기반한 조건부 확률로 표기한다.
• 이모지 기반 특성 세트(빈도, 선호도, 감정)로 구성된 특징 집합을 구축하여 사용자당 총 1,370개의 특징을 만든다.
• 다수의 분류기(Ridge, Random Forest, Gradient Boosting, SVM(선형 커널))를 학습시켜 이모지 사용만으로 성별을 추론한다.
• 정확도와 정밀도(Precision_M, Precision_F)를 사용하여 평가하고, 언어별로 텍스트 기반 기준선과 비교한다.

실험 결과

연구 질문

• RQ1 여성 사용자와 남성 사용자는 이모지를 사용하는 빈도(%emoji-msg)와 이모지 선호에서 차이가 있는가?
• RQ2 텍스트 데이터 없이도 이모지 사용 패턴만으로 다양한 언어에서 높은 정확도로 사용자 성별을 예측할 수 있는가?
• RQ3 어떤 이모지가 성별을 가장 구별하는가, 그리고 공용 사용 패턴은 성별에 따라 어떻게 달라지는가?

주요 결과

• 여성은 남성보다 이모지를 더 많이 사용하는 경향이 있다(메시지의 7.96% 대 7.02%).
• 이모지 선호는 성별에 따라 다르며, 특정 이모지가 성별을 더 잘 구별하는 정보가 된다(MI로 식별된 구별 가능한 이모지 등).
• PMI 기반 네트워크에서 이모지의 공동 사용 패턴이 성별 특유의 커뮤니티를 형성한다.
• 여성은 표정 관련 이모지를 더 많이 사용하고, 남성은 하트 관련 이모지를 더 많이 사용한다—정서 표현의 뉘앙스 차이를 시사한다.
• 이모지 기반 모델은 텍스트 기반 기준선보다 우수하며, Gradient Boosting에서 최대 0.811의 정확도를 달성하고 다국어에서 일반화된다.