本文探讨了2017年EACL会议上的一篇论文，研究表情符号（emojis）在文本中的语义关系。通过 LSTM 模型预测基于文本的推文所对应的表情符号，结果显示神经模型在捕捉emoji潜在语义方面超越人类。文章指出，emoji可能导致误解，并提出数据集中常见emoji的变化性问题，为未来研究提供了方向。
期刊：conference of the european chapter of the association for computational linguistics（EACL）
时间：2017
类型：情感对话（只包括预测不包含生成）
特点：包含emojis的tweet+情感分类器
本文带来Francesco Barbieri， Miguel Ballesteros和Horacio Saggion共同创作的文章
简介
表情符号是与纯文本自然结合的表意文字，以在视觉上补充或浓缩信息的含义。尽管在社交媒体中被广泛使用，但从自然语言处理的角度来看，它们的基本语义很少受到关注。在本文中，我们研究了单词和表情符号之间的关系，研究了预测基于文本的推文消息会唤起哪些表情符号的新任务。在这项任务中，我们基于长短期记忆网络 (LSTM) 训练了几个模型。我们的实验结果表明，我们的神经模型优于两个基线以及解决相同任务的人类，这表明计算模型能够更好地捕捉表情符号的潜在语义。
创新点
这篇文章也是比较老的论文了，我所说的创新点是作者在当时那个年代，如何与前人文章作比较，以及如何构思出这篇文章的ideas
-
人们大多只关注于emojis的语义、使用或情感，并没有把文本和emojis相结合起来进行讨论
【启发：当前人做一项东西时，发觉把一些东西迁移到其他领域】
-
有研究中证明，就算人对同一emojis进行分析时也会出现多种解释，这些解释可能有时候会超出设计者的意图或它们实际可能唤起的物理对象
订阅专栏 解锁全文
1394
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
