[論文レビュー] Mining the Relationship between Emoji Usage Patterns and Personality

Weijian Li, Yuxiao Chen+2 more|arXiv (Cornell University)|Apr 14, 2018

Digital Communication and Language参考文献 10被引用数 11

ひとこと要約

本研究は、71,823人のユーザーと7,500万件のツイートを含む大規模なTwitterデータセットを用いて、ユーザーのパーソナリティ特徴と絵文字使用パターンの関係を調査している。計算的手法を用いてBig Fiveパーソナリティ特徴と絵文字使用パターンを抽出し、パーソナリティが絵文字の頻度と好みに顕著に影響することを示している。神経症傾向と外向性には特に強い相関が見られ、機械学習モデルにパーソナリティ特徴を統合することで、テキストのみのベースラインに比べて絵文字予測の正確性が8.9%向上した。

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.

研究の動機と目的

• ユーザーのパーソナリティ特徴がソーシャルメディアのコミュニケーションにおける絵文字使用パターンに影響を与えるかどうかを調査すること。
• 特定のBig Fiveパーソナリティ次元と、絵文字の頻度および好みの関係を分析すること。
• パーソナリティ特徴が絵文字予測性能を向上させるための判別力の程度を評価すること。
• パーソナリティ特徴が、パーソナライズドな絵文字推薦システムの向上にどのように寄与するかを検討すること。

提案手法

• 2016年3月から6月にかけて、352,245人のTwitterユーザーから11億件のツイートを収集し、非公開アカウント、英語での投稿、十分なツイート量と中程度の絵文字使用量を持つユーザーに絞り込んだ。
• 処理済みのツイートテキストからReceptivitiのLIWCベースのモデルを用いて、Big Fiveパーソナリティ特徴（開放性、誠実性、外向性、協調性、神経症傾向）を抽出した。
• 絵文字使用頻度を、絵文字を含むツイートの割合として定義し、パーソナリティ四分位数ごとの平均使用頻度を二つの片側t検定を用いて分析した。
• 一般的に使用される絵文字の頻度分析を通じて、各パーソナリティ次元ごとの特定の絵文字好みを同定した。
• 19個の頻出絵文字を予測する多クラステキスト分類器を訓練し、パーソナリティ特徴の有無を比較して性能を評価した。
• パーソナリティ特徴を追加の入力特徴として機械学習分類器に統合し、その予測正確性に与える影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 Big Fiveパーソナリティの5つの次元が、全体的な絵文字使用頻度にどの程度相関しているか。
• RQ2 各パーソナリティ次元と強く関連する具体的な絵文字は何か。
• RQ3 パーソナリティ特徴がテキストのみのモデルに比べて、絵文字予測の正確性をどの程度向上させるか。
• RQ4 パーソナリティ特徴は、パーソナライズドな絵文字推薦システムの向上に寄与できるか。

主な発見

• 外向性が低いユーザーが最も頻繁に絵文字を使用し、神経症傾向が低いユーザーが最も少ない。これは、外向性と逆相関があり、神経症傾向と正の相関があることを示している。
• t検定の結果、誠実性（p = 5.7e-7）、外向性（p = 4.14e-43）、協調性（p = 7.67e-37）、神経症傾向（p = 6.76e-83）の各次元において、高得点者と低得点者の間で平均絵文字使用頻度に統計的に有意な差が認められたが、開放性（p = 0.032 > 0.005）では有意差が認められなかった。
• 神経症傾向の高いユーザーは、感情を強く表現する絵文字、たとえば「大声で泣いている顔」（頻度0.245）や「疲れている顔」（頻度0.234）を好む傾向が強く、特徴的な感情表現パターンを示している。
• 誠実性が、絵文字予測の正確性向上に最も寄与しており、個々の特徴量の中で最も高い正確性向上効果を示した。一方、開放性は最も小さな改善効果を示した。
• すべての5つのパーソナリティ特徴を分類器に統合した場合に、最高の絵文字予測性能が得られ、テキストのみのモデル（15.8%）から17.2%に正確性が向上した。
• パーソナリティ特徴により、テキストのみのモデルが失敗する状況でも特定の絵文字を正しく予測できるようになり、たとえば成功を祝う際に「🎉」を協調性の高いユーザーが使用することを正しく特定できるようになった。