論文の概要: FinMoji: A Framework for Emoji-driven Sentiment Analysis in Financial Social Media

• arxiv url: http://arxiv.org/abs/2605.09469v1
• Date: Sun, 10 May 2026 10:39:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.266026
• Title: FinMoji: A Framework for Emoji-driven Sentiment Analysis in Financial Social Media
• Title（参考訳）: FinMoji: 金融ソーシャルメディアにおける絵文字駆動型感情分析フレームワーク
• Authors: Ahmed Mahrous, Roberto Di Pietro,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.4493299476776778
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper explores the use of emojis in financial sentiment analysis, focusing on the social media platform StockTwits. Emojis, increasingly prevalent in digital communication, have potential as compact indicators of investor sentiment, which can be critical for predicting market trends. Our study examines whether emojis alone can serve as reliable proxies for financial sentiment and how they compare with traditional text-based analysis. We conduct a series of experiments using logistic regression and transformer models. We further analyze the performance, computational efficiency, and data requirements of emoji-based versus text-based sentiment classification. Using a balanced dataset of about 528,000 emoji-containing StockTwits posts, we find that emoji-only models achieve F1 approximately 0.75, lower than text-emoji combined models, which achieve F1 approximately 0.88, but with far lower computational cost. This is a useful feature in time-sensitive settings such as high-frequency trading. Furthermore, certain emojis and emoji pairs exhibit strong predictive power for market sentiment, demonstrating over 90 percent accuracy in predicting bullish or bearish trends. Finally, our research reveals large statistical differences in emoji usage between financial and general social media contexts, stressing the need for domain-specific sentiment analysis models.
• Abstract（参考訳）: 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。 デジタルコミュニケーションでますます普及している絵文字は、投資家の感情のコンパクトな指標としての可能性があり、市場のトレンドを予測するのに欠かせない。 本研究は,絵文字のみが金銭的感情の信頼できるプロキシとして機能しうるか,従来のテキストベースの分析とどのように比較するかを検討する。 我々はロジスティック回帰モデルとトランスフォーマーモデルを用いて一連の実験を行う。 さらに、絵文字ベースの感情分類とテキストベースの感情分類の性能、計算効率、およびデータ要求について分析する。 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F1の約0.75を達成し、F1の約0.88を達成しているが、計算コストははるかに低い。 これは、高周波トレーディングのような時間に敏感な設定で有用な機能である。 さらに、一部の絵文字と絵文字のペアは市場の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。 最後に、本研究は、金融と一般ソーシャルメディアの文脈における絵文字使用率に大きな統計的差異を明らかにし、ドメイン固有の感情分析モデルの必要性を強調した。

関連論文リスト

• 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)
• Semantics Preserving Emoji Recommendation with Large Language Models [47.94761630160614]
  既存の絵文字レコメンデーションメソッドは、ユーザーが元のテキストで選択した正確な絵文字にマッチする能力に基づいて、主に評価される。 本稿では,ユーザのテキストとのセマンティックな整合性を維持する絵文字を推薦するモデルの能力を計測する,絵文字推薦のための新しいセマンティックス保存フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-16T22:27:46Z)
• 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 Prediction in Tweets using BERT [0.0]
  本稿では,広く使われている事前学習型言語モデルであるBERTを用いた絵文字予測のためのトランスフォーマーに基づく手法を提案する。 我々はBERTをテキストと絵文字の両方を含む大量のテキスト(つぶやき)のコーパスで微調整し、与えられたテキストに対して最も適切な絵文字を予測する。 実験の結果,提案手法は,75%以上の精度で絵文字の予測において,最先端のモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-05T06:38:52Z)
• 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)
• 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)
• Emoji Prediction: Extensions and Benchmarking [30.642840676899734]
  絵文字予測タスクは、テキストに関連付けられた適切な絵文字セットを予測することを目的としている。 我々は、絵文字予測タスクの既存の設定を拡張し、よりリッチな絵文字セットを含め、複数ラベルの分類を可能にする。 トランスフォーマーネットワークに基づくマルチクラス・マルチラベル絵文字予測のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-14T22:41:20Z)

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。