从采用到适应：追踪新表情符号在 Twitter 上的传播
内容提要
本文综述表情符号研究，涵盖不同时期使用差异与时间感知预测系统、Emoji情感词典与情感地图、大规模文本-表情符号平行语料及双向翻译模型、语义漂移与语言演变、跨文化使用差异，以及基于表情符号情绪数据的市场趋势预测。
延伸解读
表情符号研究的多维进展
文章梳理了表情符号研究的多条线索：从时间维度看，不同时期的使用习惯存在差异，且考虑时间因素的预测系统能提升准确性；从情感分析看，Emoji Sentiment Ranking 提供了情感词典和情感地图；从技术应用看，大规模平行语料和双向翻译模型、语义漂移分析、跨文化比较以及基于情绪数据的市场预测等，共同构成了表情符号研究的丰富图景。
时间因素对表情符号使用与预测的影响
文章指出，通过比较不同时间的语料库，可以证明表情符号的使用情况随时间变化。基于这一发现，研究者提出了考虑时间因素的预测系统，其性能优于现有系统，并能显著提高某些表情符号的预测准确性。这表明在分析表情符号时，时间维度不可忽视，动态视角有助于更准确地理解其使用规律。
表情符号情感分析的工具与资源
文章介绍了 Emoji Sentiment Ranking 这一表情符号情感词典，它绘制了 751 个常用表情符号的情感地图，并可作为自动化情感分析的独立资源，适用于欧洲语言。此外，EmojiNet 知识库和 EmoSim508 数据集等资源，通过嵌入模型衡量表情符号相似度，在情感分析任务中表现良好，且已公开供下载，为后续研究提供了基础。
跨文化与市场应用中的表情符号
文章提到，基于频率、语境和话题关联的比较发现，不同国家在使用表情符号上存在显著的文化差异和规范性模式，这揭示了表情符号在跨文化交流中的应用价值。同时，利用 GPT-4 和 BERT 模型将表情符号转化为可量化的情绪数据，并与 BTC 价格、VCRIX 指数等市场指标关联，可开发交易策略以识别市场趋势、避免重大下滑并促进回报稳定。
Q&A
不同时期的表情符号使用情况有差异吗？
有差异。通过比较不同时间的语料库，研究证明不同时间的 Emoji 使用情况是不同的。
有没有考虑时间因素的 Emoji 预测系统？
有。研究提出了一种考虑时间因素的 Emoji 预测系统，其性能优于现有系统，并能显著提高某些 Emoji 的准确性。
Emoji Sentiment Ranking 是什么？
Emoji Sentiment Ranking 是一个表情符号情感词典，提供了 751 个常用表情符号的情感地图，可作为自动化情感分析的独立资源，适用于欧洲语言。
如何实现文本和表情符号之间的双向翻译？
通过从大型语言模型合成大规模的文本-表情符号平行语料库，并在此基础上提取面向文本-表情符号双向翻译的序列到序列模型，在公共基准和人工评估中优于强基准模型。
表情符号的语义会随时间演变吗？
会。研究通过语义漂移框架分析 emoji 现象及相关特征的影响因素，探讨了 emoji 在社交和语言意义上的演变。
不同国家使用表情符号有什么差异？
研究基于频率、语境和话题关联比较不同国家的使用情况，发现存在显著的文化差异和规范性的使用模式，揭示了表情符号在跨文化交流中的应用价值。
表情符号情绪数据能用于预测市场趋势吗？
可以。利用 GPT-4 和基于 BERT 模型的多模态情绪分析，将表情符号转化为可量化的情绪数据，并与 BTC 价格和 VCRIX 指数等市场指标关联，开发交易策略以识别和预测市场趋势，避免重大市场下滑并促进回报稳定。
