論文の概要: Cross-Cultural Transfer of Emoji Semantics and Sentiment in Financial Social Media

• arxiv url: http://arxiv.org/abs/2605.09414v1
• Date: Sun, 10 May 2026 08:30:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.235366
• Title: Cross-Cultural Transfer of Emoji Semantics and Sentiment in Financial Social Media
• Title（参考訳）: 金融ソーシャルメディアにおける絵文字セマンティクスと感作のクロスカルカルトランスファー
• Authors: Ahmed Mahrous, Roberto Di Pietro,
• Abstract要約: 絵文字のみ、テキストのみ、およびテキスト+絵文字入力で訓練された感情モデルを評価する。 絵文字の頻度はコミュニティ、特に言語によって異なるが、その意味や感情の極性はほとんど安定している。 クロスアセスト転送性は最小限の劣化を示すが、クロス言語転送は依然として最も難しい。
• 参考スコア（独自算出の注目度）: 2.4493299476776778
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emojis are widely used in online financial communication, but it is unclear whether they provide transferable sentiment signals across languages, platforms, and asset communities. This study examines the extent to which emoji usage, semantics, and sentiment polarity remain stable across financial communities, and how these layers influence zero-shot sentiment transfer. Using large corpora of Twitter and StockTwits posts in four languages, we measure cross-community divergence and evaluate sentiment models trained under emoji-only, text-only, and text+emoji inputs. We find that emoji frequencies differ across communities, especially across languages, but their semantics and sentiment polarity are largely stable. Cross-asset transferability shows minimal degradation, while cross-language transfer remains the most challenging. Including emojis consistently reduces transfer gaps relative to text-only models. These results indicate that financial communication exhibits a partially shared ``emoji code,'' and that emojis provide compact, language-independent sentiment cues that improve model generalization across markets and platforms.
• Abstract（参考訳）: 絵文字は、オンライン金融コミュニケーションにおいて広く使われているが、言語、プラットフォーム、資産コミュニティ間で伝達可能な感情信号を提供するかどうかは不明である。 本研究では, 絵文字の使用状況, 意味論, 感情の極性が, 金融コミュニティ全体で安定しているか, およびこれらの層がゼロショット感情伝達に与える影響について検討した。 4つの言語でTwitterとStockTwitsの投稿を大量にコーパスし、コミュニティ間のばらつきを測定し、絵文字のみ、テキストのみ、およびテキスト+絵文字入力でトレーニングされた感情モデルを評価する。 絵文字の頻度はコミュニティ、特に言語によって異なるが、その意味や感情の極性はほとんど安定している。 クロスアセスト転送性は最小限の劣化を示すが、クロス言語転送は依然として最も難しい。 絵文字を含めると、テキストのみのモデルに対する転送ギャップは一貫して減少する。 これらの結果は、金融コミュニケーションが部分的に共有された「絵文字コード」を示し、絵文字は、市場やプラットフォーム間のモデル一般化を改善するためのコンパクトで言語に依存しない感情手がかりを提供することを示している。

関連論文リスト

• FinMoji: A Framework for Emoji-driven Sentiment Analysis in Financial Social Media [2.4493299476776778]
  本稿では,ソーシャルメディアプラットフォームであるStockTwitsに着目し,感情分析における絵文字の利用について検討する。 約528,000の絵文字を含むStockTwitsポストのバランスの取れたデータセットを用いて、絵文字のみのモデルが、テキストと絵文字の組み合わせモデルよりも約0.75パーセント低いF1を達成することを発見した。 絵文字と絵文字のペアは、市場感情に強い予測力を示し、強気や弱気の傾向を予測する上で90%以上の正確さを示している。
  論文  参考訳（メタデータ） (2026-05-10T10:39:14Z)
• When Smiley Turns Hostile: Interpreting How Emojis Trigger LLMs' Toxicity [83.94875431097908]
  絵文字は、デジタル通信において、非言語的な手がかりとして世界中で使用されている。 絵文字は大きな言語モデルにおいて有害なコンテンツ生成を引き起こす可能性があることが観察された。
  論文  参考訳（メタデータ） (2025-09-14T07:21:44Z)
• The Prosody of Emojis [73.70220975424597]
  本研究は,絵文字が音声の韻律的実現にどのように影響するか,また,聴取者が韻律的手がかりを解釈して意味を回復するかを検討する。 従来の研究とは異なり、我々は、構造化されているがオープンな生産と知覚タスクを通して収集された実際の人間の音声データを分析して、韻律と絵文字を直接リンクする。 その結果、話者は絵文字の手がかりに基づいて韻律を適応し、リスナーは韻律変化のみから意図した絵文字を識別することができ、絵文字間の意味的差異は韻律の発散の増加に対応していることがわかった。
  論文  参考訳（メタデータ） (2025-08-01T11:24:12Z)
• Unlocking Cross-Lingual Sentiment Analysis through Emoji Interpretation: A Multimodal Generative AI Approach [8.762679920056486]
  絵文字は、感情を伝える普遍的な媒体として、オンラインコミュニケーションにおいてユビキタスになりつつある。 本研究の目的は,大規模な言語モデル(LLM)を用いて,感情マーカーとして機能する絵文字の能力を検討することである。 分析の結果,LLMをベースとした絵文字表現感情の精度は81.43%であり,絵文字が普遍的な感情マーカーとして機能する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-12-23T03:57:45Z)
• From Adoption to Adaption: Tracing the Diffusion of New Emojis on Twitter [4.232633963142152]
  新たにリリースされた絵文字がいかに勢いを増し、意味を進化させるかを検討する。 アーリーアダプターと絵文字のセマンティクスのコミュニティサイズは、彼らの人気を決定する上で不可欠である。 本稿では,言語モデルを用いて単語を抽出し,意味的に類似した文脈で既存の絵文字を抽出する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-22T00:24:44Z)
• EmojiLM: Modeling the New Emoji Language [44.23076273155259]
  我々は,大規模言語モデルからテキスト絵文字並列コーパスであるText2Emojiを開発した。 並列コーパスに基づいて,テキスト・絵文字双方向翻訳に特化したシーケンス・ツー・シーケンス・モデルである絵文字LMを蒸留する。 提案モデルでは,強いベースラインを上回り,平行コーパスは絵文字関連下流タスクに有効である。
  論文  参考訳（メタデータ） (2023-11-03T07:06:51Z)
• Emoji-aware Co-attention Network with EmoGraph2vec Model for Sentiment Anaylsis [9.447106020795292]
  我々はEmoGraph2vecと呼ばれる絵文字表現を学習し、絵文字対応のコアテンションネットワークを設計する手法を提案する。 我々のモデルは、テキストと絵文字を組み込むコアテンション機構を設計し、圧縮と励起ブロックを畳み込みニューラルネットワークに統合する。 実験結果から,提案モデルは,ベンチマークデータセットの感情分析において,いくつかのベースラインを上回り得ることが示された。
  論文  参考訳（メタデータ） (2021-10-27T08:01:10Z)
• Black or White but never neutral: How readers perceive identity from yellow or skin-toned emoji [90.14874935843544]
  近年の研究は、ソーシャルメディア上でのアイデンティティ表現と絵文字利用の関係を確立した。 この研究は、言語と同様に、読者がそのような自己表現の行為に敏感かどうかを問うもので、著者のアイデンティティを理解するために使用する。
  論文  参考訳（メタデータ） (2021-05-12T18:23:51Z)
• Semantic Journeys: Quantifying Change in Emoji Meaning from 2012-2018 [44.25050548312626]
  絵文字のセマンティクスが時間とともにどのように変化するかに関する最初の縦断的研究を行い、計算言語学の手法を6年間のTwitterデータに適用した。 絵文字のセマンティックな発達において5つのパターンを識別し、抽象的な絵文字がより少ないほど意味的変化を起こす可能性が高くなることを示す。 絵文字とセマンティクスに関する今後の研究を支援するため、私たちは私たちのデータを、誰でも絵文字のセマンティクス変更を探求できるWebベースのインターフェースとともに公開します。
  論文  参考訳（メタデータ） (2021-05-03T13:35:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。