大规模消息数据中的词-符号嵌入反映了表达性图标的真实语义关联
Word-Emoji Embeddings from large scale Messaging Data reflect real-world Semantic Associations of Expressive Icons
摘要：
我们在从Jodel在线社交网络获得的大规模消息传递数据上训练单词表情符号嵌入。我们的数据集包含超过4000万个句子，其中1100万个句子使用Unicode 13.0标准汉字列表的子集进行了注释。我们通过分析表情符号之间、表情符号与文本之间以及文本与表情符号之间的关联来探索这种嵌入中包含的语义表情符号关联。我们的调查表明，在大规模消息传递数据上训练的单词emoji嵌入可以反映真实世界的语义关联。为了进行进一步的研究，我们发布了Jodel Emoji嵌入数据集（JEED 1488），其中包含1488个表情符号及其300维的嵌入。
英文摘要：
We train word-emoji embeddings on large scale messaging data obtained from the Jodel online social network. Our data set contains more than 40 million sentences, of which 11 million sentences are annotated with a subset of the Unicode 13.0 standard Emoji list. We explore semantic emoji associations contained in this embedding by analyzing associations between emojis, between emojis and text, and between text and emojis. Our investigations demonstrate anecdotally that word-emoji embeddings trained on large scale messaging data can reflect real-world semantic associations. To enable further research we release the Jodel Emoji Embedding Dataset (JEED1488) containing 1488 emojis and their embeddings along 300 dimensions.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
