arXiv cs.CL· Mohammed Q. Shormani (Ibb University, Ibb, Yemen), Lamia Alhassoun (Arab Open University, Riyadh, Saudi Arabia), Yehia A. AlSohbani (Arab Open University, Riyadh, Saudi Arabia)·· 2 天前AI 评分18
MARBERT 研究：阿拉伯语 X 帖子中哪类词最影响 emoji 使用
Machine learning and digital pragmatics: Which word category influences emoji use most?
AI 导读
研究用 MARBERT 在 15856 条含 emoji 的阿拉伯语口语 X 帖子中识别与 emoji 使用相关的词类，发现名词在语料中频率最高（M = 0.675），但动词对 emoji 使用影响最强（β = 0.821，p = .001）。
正文 · AI 翻译
摘要：本研究采用数字语用学方法（DPA），考察了当前最先进的 MARBERT 模型在识别 X 平台上与表情符号使用相关的词汇/语用类别方面的表现。研究使用 Python 从 X 收集了包含表情符号的 15856 条口语阿拉伯语（CA）帖子，构成净语料库。文本经分词和规范化处理后分为 4 个词汇类别，即 noun_norm、verb_norm、adj_norm 和 adverb_norm，以及 2 个语用/结构类别，即 question_norm 和 exclamation_norm。研究对 MARBERT 进行了微调和优化，以识别哪个类别在标准指标上得分更高，从而与表情符号使用相关联；同时使用二元逻辑回归检验哪个类别在统计上与表情符号的出现相关联。研究发现，名词在规范化频率上主导语料库（M = 0.675，SD = 0.161），其次是动词（M = 0.083，SD = 0.100）。然而，动词对表情符号使用的影响最强，这由动词密度表明（\b{eta} = 0.821，p = .001，95% CI [0.332, 1.309]）。研究进一步表明，MARBERT 在动词（精确率 = .74，召回率 = .99，F1 = .85）和名词（精确率 = .88，召回率 = .44，F1 = .59）上表现相对较好，而在频率较低的类别上表现明显较弱。研究得出结论：在 X 平台上 CA 的数字语用学中，表情符号使用与词汇/语用类别的关联可以通过计算、统计和语用方法的混合方法来解释，这反映了机器学习、语言/词汇特征、上下文表示和数字通信之间的相互作用。
| 评论： | 18 页，3 张表 |
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | F.2.2; I.2.7 |
| 引用为： | arXiv:2608.21975 [cs.CL] |
| （或 arXiv:2608.21975v3 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.21975 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mohammed Q. Shormani Mr [查看电子邮件]
[v1]
2026 年 8 月 22 日星期六 14:23:38 UTC（590 KB）
[v2]
2026 年 9 月 19 日星期六 16:13:11 UTC（590 KB）
[v3]
2026 年 10 月 26 日星期一 20:54:10 UTC（591 KB）
来源：arXiv cs.CL · arxiv.org