論文の概要: Machine learning and digital pragmatics: Which word category influences emoji use most?
- arxiv url: http://arxiv.org/abs/2608.21975v1
- Date: Sat, 22 Aug 2026 14:23:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.54907
- Title: Machine learning and digital pragmatics: Which word category influences emoji use most?
- Title（参考訳）: 機械学習とデジタルプラグマティクス:どの単語カテゴリーが絵文字に最も影響を及ぼすか?
- Abstract要約: 本研究は,X 上での絵文字使用に関連する語彙・語用カテゴリーの同定における最先端の MARBERT モデルの性能について検討した。
The net corpus of 15856 Colloquial Arabic (CA) post containing emojis were collected from X。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This study examines the performance of the state-of-the-art MARBERT model in identifying the lexical/pragmatic category associated with emoji use on X within a digital pragmatics approach (DPA). A net corpus of 15856 Colloquial Arabic (CA) posts containing emojis was collected from X using Python. The texts were tokenized and normalized into 4 lexical categories, namely noun_norm, verb_norm, adj_norm, and adverb_norm, and 2 pragmatic/structural categories, question_norm and exclamation_norm. MARBERT was finetuned and optimized to identify which category scores standard metrics more, hence associated with emoji use, while binary logistic regression was used to examine which category is statistically associated with emoji occurrence. Findings unveil that nouns dominate the corpus in normalized frequency (M = 0.675, SD = 0.161), followed by verbs (M = 0.083, SD = 0.100). However, verbs have the strongest influence of emoji use indicated by verb density (\b{eta} = 0.821, p = .001, 95% CI [0.332, 1.309]). The study concludes that in digital pragmatics of CA on X, emoji use association with lexical/pragmatic category can be explained by a hybrid approach of computational, statistical, and pragmatic methods, reflecting the interaction among machine learning, linguistic/lexical features, contextual representation, and pragmatic communication.
- Abstract（参考訳）: 本研究では,デジタル・プラグマティクス・アプローチ (DPA) において,X 上での絵文字使用に関連する語彙的・実用的カテゴリーを特定する上で,最先端の MARBERT モデルの性能について検討した。
The net corpus of 15856 Colloquial Arabic (CA) post containing emojis were collected from X。
テキストはトークン化され,4つの語彙カテゴリ(noun_norm, verb_norm, adj_norm, adverb_norm),2つのプラグマティック/構造カテゴリ, question_norm, exclamation_norm)に標準化された。
MARBERTは、どのカテゴリーが標準の指標をより正確に識別し、その結果、絵文字の使用と関連するかを特定するために最適化され、二項ロジスティック回帰は、どのカテゴリーが絵文字の発生に統計的に関連しているかを調べるために使用された。
名詞が正規化頻度(M = 0.675, SD = 0.161)でコーパスを支配し、次いで動詞(M = 0.083, SD = 0.100)が続く。
しかし、動詞は動詞密度によって示される絵文字の使用の最も強い影響を持っている(\b{eta} = 0.821, p = .001, 95% CI [0.332, 1.309])。
この研究は、CA on Xのデジタル・プラグマティクスにおいて、語彙/語用カテゴリーと絵文字の使用関係は、計算的、統計的、実用的手法のハイブリッドアプローチによって説明され、機械学習、言語/語彙的特徴、文脈的表現、実用的コミュニケーションの相互作用を反映していると結論付けている。
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) - Machine learning and emoji prediction: How much accuracy can MARBERT achieve? [0.0]
本研究では,(最先端)MARBERTモデルを用いたアラビア語ツイートにおける絵文字の予測について検討した。
複数のアラビア方言を表す11379のCAツイートのコーパスがPython経由でX.comから収集された。
前処理パイプラインは解釈可能なベースラインとして設計され,語彙的特徴と絵文字のカテゴリの関係を調べることができる。
論文 参考訳（メタデータ） (2026-04-22T21:51:49Z) - 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) - Language Model Classifier Aligns Better with Physician Word Sensitivity
than XGBoost on Readmission Prediction [86.15787587540132]
語彙レベルでモデルの振る舞いを精査する尺度である感度スコアを導入する。
本実験は,感度スコアのランク相関に基づいて,臨床医と分類医の意思決定論理を比較した。
論文 参考訳（メタデータ） (2022-11-13T23:59:11Z) - emojiSpace: Spatial Representation of Emojis [0.0]
そこで本研究では,Python の Genism ライブラリから word2vec モデルを用いて,単語-絵文字を組み込んだ絵文字空間を構築した。
われわれは40億以上のツイートからなるコーパスで絵文字スペースをトレーニングし、6700万以上のツイートを含むTwitterデータセットで感情分析を実施して評価した。
論文 参考訳（メタデータ） (2022-09-12T13:57:31Z) - On the Intrinsic and Extrinsic Fairness Evaluation Metrics for
Contextualized Language Representations [74.70957445600936]
様々な自然言語処理タスクの公平度を測定するために、複数のメトリクスが導入された。
これらの指標は,(1)下流アプリケーションにおけるフェアネスを評価する遠因性指標と,(2)上流言語表現モデルにおけるフェアネスを推定する遠因性指標の2つのカテゴリに大別することができる。
論文 参考訳（メタデータ） (2022-03-25T22:17:43Z) - 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。