arXiv cs.CL· Rohan James, Ioannis Christofilogiannis, Yuuv Jauhari, Shreya Shah, Gauri Pethkar·· 11 小时前AI 评分18
推特 emoji 语义不止单一情感分：主题与情感维度研究
Beyond a Single Sentiment Score: Topical and Affective Dimensions of Emoji Meaning on Twitter
AI 导读
一项基于 16,575 条英文推文的研究提出 emoji 稳定性指标 stability delta，发现主题语境越集中的 emoji，众包情感评分反而越两极分化。
正文 · AI 翻译
摘要：表情符号被广泛视为紧凑的情感标记，其含义由单一情感分数概括。我们认为这一图景并不完整。基于包含 16{,}575 条英文推文的语料库以及我们称为\emph{稳定性差值}的逐表情符号指标（句子嵌入的类内余弦相似度减去类间余弦相似度），我们表明，在紧密聚集的主题语境中使用的表情符号，其众包情感反而\emph{更}极化，而非更不极化。以 Kralj Novak 等（2015）情感词典进行验证，核心相关性为 Spearman $\rho = +0.361$（Holm $p = 0.015$，95\% 自助法置信区间 $[+0.10, +0.59]$）；对照独立的 Ferré 等（2025）西班牙语 13 种情绪评分，$\rho = +0.509$（$p = 0.0003$）。该结果经受了置换检验、BCa 自助法、留一法刀切法、控制表情符号频率的偏相关分析，以及四检验族上的 Holm 校正。主题连贯性与情感离散度是表情符号含义的两个不同维度。作为下游检验，我们报告了在 Emoji Sarcasm Dataset 上进行讽刺分类的无泄漏五折交叉验证结果；三个基线（门控多模态架构、微调 BERTweet 特征和微调 RoBERTa 特征）的宏 F1 均高于 0.97，表明该数据集具有饱和的表情符号标签线索。我们将分类器定位为支持性证据，而非本文贡献。
| 评论： | 12 页，4 幅图，8 张表 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；社会与信息网络（cs.SI） |
| 引用为： | arXiv:2610.28337 [cs.CL] |
| （或 arXiv:2610.28337v1 [cs.CL] 为本版本） | |
| https://doi.org/10.48550/arXiv.2610.28337 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Rohan James [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 15:03:55 UTC（575 KB）
来源：arXiv cs.CL · arxiv.org