[论文解读] 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 12

一句话总结

本文研究了跨平台表情符号误读问题，即同一表情符号在不同平台（如 Windows、iOS、Android）上渲染结果不同，导致情感解读冲突。本文提出一种基于词嵌入的平台感知表情符号映射方法，以对齐跨平台的表情符号表征，显著提升了社交媒体数据中情感分析的性能，减少了平台特异性噪声的影响。

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.

研究动机与目标

• 调查在真实社交媒体数据中是否存在因平台特定渲染导致的表情符号误读问题。
• 量化 Twitter、Windows、iOS 和 Android 等主要平台间表情符号误读的规模。
• 开发一种利用词嵌入对齐跨平台表情符号表征的映射技术，以解决跨平台不一致性问题。
• 评估纠正平台特定表情符号渲染是否能提升情感分析任务的性能。

提出的方法

• 作者分析真实社交媒体 Twitter 数据，利用推文来源元数据识别原始平台，并提取表情符号使用模式。
• 应用词嵌入模型，基于表情符号与周围文本的共现关系学习其语义表征，从而实现跨平台对齐。
• 学习一个映射函数，通过嵌入空间中的余弦相似度，将某一平台的表情符号映射到其他平台最相似的对应表情符号。
• 通过在情感分析任务中应用该表情符号映射，将推文重映射到统一的表情符号词汇表后再进行分类，对所提映射方法进行评估。
• 使用配对 t 检验评估统计显著性，比较‘启用映射’与‘未启用映射’配置下的情感预测性能。

实验结果

研究问题

• RQ1 RQ1：在真实社交媒体数据中，是否存在基于表情符号渲染导致的误读？
• RQ2 RQ2：该误读在主要平台间的规模如何？
• RQ3 RQ3：如何解决跨平台表情符号解读问题？
• RQ4 RQ4：纠正表情符号误读后是否对情感分析产生有意义的影响？

主要发现

• 8.627% 的推文包含至少一个在不同平台间表现出显著情感极性差异的表情符号，表明误读现象普遍存在。
• 所提出的表情符号映射显著提升了情感分析准确率，大多数平台间映射的 p 值低于 1e-8，显示出极高的统计显著性。
• 该映射在所有平台组合中均提升了 F1 分数，其中在 Twitter → Windows 和 Android → iOS 映射中提升最为显著。
• t 检验结果表明，'映射'设计在所有情况下均显著优于 '无映射' 和 '无表情符号' 基线模型，p 值范围为 1e-9 至 0.094，证实了性能提升的稳健性。
• 本研究证实，平台特定的表情符号渲染会导致情感解读不一致，同一表情符号在某一平台被感知为正面，而在另一平台则被感知为负面。
• 作者发布了其表情符号映射数据和性能指标，以支持可复现性，并推动未来在跨平台表情符号理解方面的研究。