[论文解读] Semantic Journeys: Quantifying Change in Emoji Meaning from 2012-2018

Alexander Robertson, Farhana Ferdousi Liza+3 more|UEA Digital Repository (University of East Anglia)|May 3, 2021

Digital Communication and Language参考文献 41被引用 14

一句话总结

本论文利用六年的Twitter数据和计算语言学技术，首次开展了对表情符号语义演变的纵向研究。研究识别出五种语义演变模式，发现具象表情符号比抽象表情符号更易发生语义变化，并将这些变化与季节性和全球事件相关联——研究提供了公开数据和交互式工具，以支持未来的研究。

ABSTRACT

The semantics of emoji has, to date, been considered from a static perspective. We offer the first longitudinal study of how emoji semantics changes over time, applying techniques from computational linguistics to six years of Twitter data. We identify five patterns in emoji semantic development and find evidence that the less abstract an emoji is, the more likely it is to undergo semantic change. In addition, we analyse select emoji in more detail, examining the effect of seasonality and world events on emoji semantics. To aid future work on emoji and semantics, we make our data publicly available along with a web-based interface that anyone can use to explore semantic change in emoji.

研究动机与目标

• 探究表情符号意义如何随时间演变，挑战表情符号语义静态的假设。
• 利用计算方法识别表情符号语义发展的系统性模式。
• 考察季节性趋势和全球事件对表情符号使用及语义变化的影响。
• 基于实证数据，挑战抽象表情符号比具象表情符号更易变化的假设。
• 为未来关于表情符号语义与演变的研究提供数据和网络界面的开放获取。

提出的方法

• 采用Shoemark等人（2019）提供的每月Twitter表情符号嵌入向量，覆盖Unicode版本6.0至8.0。
• 应用基于词嵌入的语义变化检测技术，追踪表情符号意义随时间的变化。
• 通过计算不同月份间表情符号嵌入向量的余弦相似度，量化语义相似性并检测语义变化。
• 通过聚类和嵌入轨迹的可视化识别语义变化的模式。
• 对特定表情符号（如篮球、枫叶）开展案例研究，分析其在特定语境下的语义变化。
• 利用里斯本表情符号与表情符号数据库（LEED）获取具象性与视觉复杂度的规范数据，但未在分析中直接使用。

实验结果

研究问题

• RQ1 表情符号的意义如何随时间变化？其演变具有哪些特征模式？
• RQ2 季节性趋势或全球事件在多大程度上影响特定表情符号的语义变化？
• RQ3 与抽象表情符号相比，具象表情符号是否更可能或更不可能发生语义变化？
• RQ4 能否使用与词语相似的自然语言处理技术检测并量化表情符号的语义变化？
• RQ5 视觉特征和语境使用在新表情符号意义产生过程中起到何种作用？

主要发现

• 在六年的研究期间，仅有少数表情符号经历了实质性的语义变化，大多数保持稳定。
• 识别出五种不同的语义发展模式，包括季节性变化和隐喻性扩展。
• 篮球表情符号表现出季节性模式：冬季用于体育语境，夏季则用于大麻相关语境。
• 枫叶表情符号从12月到7月间，语义从与秋季/冬季相关的词汇（如“南瓜”、“寒冷”）转向与大麻相关的词汇（如“大麻”、“烟卷”）。
• 与预期相反，具象表情符号比抽象表情符号更可能经历语义变化，可能是因为其视觉特征促进了隐喻性再解释。
• 本研究证实表情符号语义并非静态，NLP系统必须考虑表情符号语义的历时性变化。