[論文レビュー] Sentiment Expression via Emoticons on Social Media

Hao Wang, Jorge A. Castanon|arXiv (Cornell University)|Nov 9, 2015

Sentiment Analysis and Opinion Mining参考文献 17被引用数 4

ひとこと要約

本稿は、ソーシャルメディアにおける感情表現における絵文字の役割を調査し、一部の絵文字は強力で信頼性の高い感情の指標である一方で、多くの絵文字は複雑または曖昧な感情を伝えていることを示している。4つの実証的分析—ユーザーの認識調査、クラスタリング、絵文字を含む・含まない感情分類、文脈分析—を用いて、絵文字が感情分類のパフォーマンスに顕著な影響を与えることが明らかになった。したがって、意味が洗練されており文脈依存であるため、絵文字の使用には注意が必要である。

ABSTRACT

Emoticons (e.g., :) and :( ) have been widely used in sentiment analysis and other NLP tasks as features to ma- chine learning algorithms or as entries of sentiment lexicons. In this paper, we argue that while emoticons are strong and common signals of sentiment expression on social media the relationship between emoticons and sentiment polarity are not always clear. Thus, any algorithm that deals with sentiment polarity should take emoticons into account but extreme cau- tion should be exercised in which emoticons to depend on. First, to demonstrate the prevalence of emoticons on social media, we analyzed the frequency of emoticons in a large re- cent Twitter data set. Then we carried out four analyses to examine the relationship between emoticons and sentiment polarity as well as the contexts in which emoticons are used. The first analysis surveyed a group of participants for their perceived sentiment polarity of the most frequent emoticons. The second analysis examined clustering of words and emoti- cons to better understand the meaning conveyed by the emoti- cons. The third analysis compared the sentiment polarity of microblog posts before and after emoticons were removed from the text. The last analysis tested the hypothesis that removing emoticons from text hurts sentiment classification by training two machine learning models with and without emoticons in the text respectively. The results confirms the arguments that: 1) a few emoticons are strong and reliable signals of sentiment polarity and one should take advantage of them in any senti- ment analysis; 2) a large group of the emoticons conveys com- plicated sentiment hence they should be treated with extreme caution.

研究の動機と目的

• ソーシャルメディアの文章における絵文字の広がりと感情信号としての役割を調査すること。
• 絵文字が感情極性の指標として信頼性と一貫性を示す程度を調査すること。
• 絵文字の削除が感情分類のパフォーマンスに与える影響を評価すること。
• オンラインコミュニケーションにおける絵文字使用の文脈的・意味的ニュアンスを理解すること。
• 適切な注意を払いながら、絵文字を感情分析システムに統合するためのガイドラインを提供すること。

提案手法

• 最近のTwitterデータセットを大規模に分析し、絵文字の頻度と分布を測定した。
• 参加者が最も頻出する絵文字の感情をどのように解釈するかを評価するためのユーザー認識調査を実施した。
• 語彙と絵文字のクラスタリングを実施し、意味的関連性と文脈的意味を探索した。
• 絵文字の削除前後におけるマイクロブログ投稿の感情極性を比較し、感情の変化を測定した。
• 絵文字ありとなしの2つの機械学習モデルを訓練し、分類精度への影響を評価した。
• 統計的分析を用いて、絵文字の削除が感情分類のパフォーマンスを低下させるという仮説を検証した。

実験結果

リサーチクエスチョン

• RQ1 Twitterを含むソーシャルメディアの文章において、絵文字はどの程度広がっているのか。
• RQ2 異なるユーザーと文脈において、絵文字が感情極性をどの程度信頼性を持って示すのか。
• RQ3 絵文字の削除は、マイクロブログ投稿の感情極性にどのような影響を与えるのか。
• RQ4 絵文字の含め方が、機械学習モデルの感情分類タスクにおけるパフォーマンスを向上させるのか。
• RQ5 感情ラベル付けを単純化できない、絵文字使用における意味的・文脈的ニュアンスは何か。

主な発見

• :) や :( といった一部の絵文字は、それぞれ肯定的・否定的感情の強力で信頼性の高い指標である。
• 多くの絵文字は複雑または曖昧な感情を伝え、直接の感情極性割り当てには不適切である。
• テキストから絵文字を削除すると、マイクロブログ投稿の感情が顕著に変化し、絵文字の意味的重要性が示された。
• 絵文字を含めて訓練された機械学習モデルは、含めないモデルよりも優れた性能を示し、感情分類における特徴としての価値が確認された。
• 本研究は、意味が明確でない、または混合感情を示す絵文字については、感情分析において戦略的に使用し、注意を払う必要があることを確認した。
• ユーザーが絵文字の感情をどのように解釈するかにはばらつきがあり、NLPシステムにおける文脈に配慮した解釈の必要性が浮き彫りになった。