[论文解读] EmojiNet: Building a Machine Readable Sense Inventory for Emoji

Sanjaya Wijeratne, Lakshika Balasuriya+2 more|arXiv (Cornell University)|Oct 25, 2016

Digital Communication and Language参考文献 1被引用 12

一句话总结

本文提出了 EmojiNet，这是首个面向表情符号的机器可读义项词典，通过 BabelNet 和基于网络的表情符号资源，将 Unicode 表情符号与其上下文相关的含义关联起来。通过应用词义消歧技术——特别是简化 Lesk 算法——该系统能够识别文本中表情符号的意图含义，例如在推文中区分 'praying hands'（祈祷）与 'high five'（庆祝）的语义，其在实际应用场景中展示了较高的消歧准确率。

ABSTRACT

Emoji are a contemporary and extremely popular way to enhance electronic communication. Without rigid semantics attached to them, emoji symbols take on different meanings based on the context of a message. Thus, like the word sense disambiguation task in natural language processing, machines also need to disambiguate the meaning or sense of an emoji. In a first step toward achieving this goal, this paper presents EmojiNet, the first machine readable sense inventory for emoji. EmojiNet is a resource enabling systems to link emoji with their context-specific meaning. It is automatically constructed by integrating multiple emoji resources with BabelNet, which is the most comprehensive multilingual sense inventory available to date. The paper discusses its construction, evaluates the automatic resource creation process, and presents a use case where EmojiNet disambiguates emoji usage in tweets. EmojiNet is available online for use at http://emojinet.knoesis.org.

研究动机与目标

• 为解决缺乏标准化、机器可读的表情符号上下文特定含义资源的问题。
• 使系统能够在自然语言上下文中实现表情符号义项的消歧，类似于 NLP 中的词义消歧。
• 创建一个统一、可查询的知识库，将表情符号与其英文定义、词性标注、使用示例以及与 BabelNet 的关联关系相连接。
• 通过提供义项感知的表情符号表示，支持情感分析、情绪检测和社交媒体理解等下游 NLP 任务。

提出的方法

• 将四个公开可用的基于网络的表情符号词典整合为一个统一的结构化知识库。
• 使用基于图像的最近邻匹配技术，将这些资源中的表情符号义项映射到 BabelNet 的义项。
• 应用两种词义消歧策略——最常见义项和最受欢迎义项——以将表情符号义项与 BabelNet 的义项 ID 对齐。
• 从与每个表情符号义项关联的 BabelNet 定义中提取上下文相关词汇，以支持基于上下文的消歧。
• 使用简化 Lesk 算法，通过计算推文内容与义项特定上下文词汇之间的词重叠程度，实现消歧。
• 通过 http://emojinet.knoesis.org 提供 EmojiNet 的公共 Web 服务，支持程序化访问并可集成到 NLP 流水线中。

实验结果

研究问题

• RQ1 能否通过整合多个基于网络的表情符号资源，并将其与多语言义项词典（如 BabelNet）对齐，自动构建一个面向表情符号的机器可读义项词典？
• RQ2 基于图像的对齐方法与词义消歧技术在将表情符号正确关联到其上下文含义方面有多高效？
• RQ3 EmojiNet 在真实社交媒体文本（如推文）中，能在多大程度上提升表情符号义项消歧的准确性？
• RQ4 EmojiNet 能否通过支持义项感知的表情符号理解，助力下游 NLP 任务（如情感分析）？
• RQ5 从 BabelNet 中提取的义项定义和上下文词汇，在多大程度上能支持上下文中的准确消歧？

主要发现

• EmojiNet 通过整合四个基于网络的表情符号资源，并使用基于图像的最近邻匹配技术将其与 BabelNet 对齐，成功构建了面向表情符号的机器可读义项词典。
• 在评估中，基于最常用义项的消歧方法优于基于最常见义项的方法，表明使用频率是上下文语义的更好指标，而不仅仅是出现频率。
• 在推文的实际应用场景中，简化 Lesk 算法根据上下文词汇重叠，正确地将表情符号识别为 'pray(verb)'（动词，祈祷）在表达悲伤的语境中，以及 'high five(noun)'（名词，击掌）在表达成就的语境中。
• 该系统表明，从 BabelNet 定义中提取的义项特定上下文词汇（例如，'pray' 的 {worship, thanksgiving, god}）可有效支持实时应用中的消歧。
• EmojiNet 支持将表情符号义项链接到外部知识库（如 WordNet、VerbNet 和 Wikipedia），通过 BabelNet 增强其在 NLP 应用中的实用性。
• 该资源可通过 http://emojinet.knoesis.org 公开获取，支持程序化访问，并可集成到情感分析、表情符号相似度计算和消歧流水线中。