使用 BERT 分析短社交媒体文本中的性别极性：表情符号和颜文字的作用
Analyzing Gender Polarity in Short Social Media Texts with BERT: The Role of Emojis and Emoticons
AI总结：
本文通过微调多个 BERT 模型识别 Twitter 账户性别极性，并考察表情符号、颜文字及账户提及在短文本分类中的作用。
摘要：
在本研究中，我们微调了基于 BERT 的不同模型，以检测 Twitter 账户的性别极性。我们特别关注在分类任务中分析使用表情符号和颜文字对模型性能的影响。我们能够证明，在 tweet 这类短文本格式中，将这些非词语输入与提及其他账户结合使用，会对检测账户持有者的性别产生影响。
英文摘要：
In this effort we fine tuned different models based on BERT to detect the gender polarity of twitter accounts. We specially focused on analyzing the effect of using emojis and emoticons in performance of our model in classifying task. We were able to demonstrate that the use of these none word inputs alongside the mention of other accounts in a short text format like tweet has an impact in detecting the account holder's gender.
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。
