互联网时代发展，使得（文本）线上交流变得十分普遍。尤其在当前受到COVID-19的影响，线上办公变得更加普遍，线上交流也成了一种非常主流的交流方式。而这种交流方式不可避免的带来一些问题：由于不能使用语气、手势、肢体语言等进行对文本的互补，使得我们容易造成一些误解。这时穿插在文本中的表情包，尤其是内嵌在我们输入法中的emoji表情变得十分受用。然而使用这些emoji还是会不可避免的造成一些模糊以及语义歧义，作者通过提供一个emoji到人类基本情感的强度映射表来解决这些歧义，并通过大规模用户调研，验证这个映射表对不同文化背景用户的鲁棒性。
在此之前有一些关于emoji的相关工作，比如 Novak [1]等人将emojis映射到特定的情感类型——积极的、平常的、消极的等；而 Illendual 与 Sheth[2]等人将该工作进一步推进，将其映射到更广泛的人类基本情感类型；还有一些有趣的工作如 El Ali[3]等人开发了一款emoji推荐系统，将实时识别当前屏幕前的人脸，感知情绪并为用户推荐其最可能想要输入的emojis。
虽然有以上的种种工作，但这些工作者大都将精力放在如何将emoji进行分类以及映射，对情感的梯度层级却少有考虑。
首先应该明确，作者的调研针对的是emoji而非emoticon（颜文字），区别如下。
该工作整体看分为三个主要阶段：
1、对于当前的emojis，是否可以将其映射到特定的情感分类（这是一个对之前工作的验证性总结）
2、提供emoji到基本情绪的映射，并提供比较明确的情感层级
3、为以上表进行验证，验证其对于不同文化背景使用者的鲁棒性
在进行主要调研前，该工作先进行了预调研，主要目的在于将超过3000个Unicode编码的emojis数据集进行缩减，以方便大规模用户调研。该步骤只选取那些模仿人脸表情的emojis，其余进行剔除（最终得到68个emojis以及8个基本情感类）。
之后进行全球大规模用户调研，抽取约1200名世界各地、来自不同文化区间的用户个体。分别针对以上的三个主要步骤，得到如下的结果。
针对emojis到情感的映射部分：
1、大部分我们选取的情感可以被成功映射到基本情感类（46/68）；
2、那些用户分类倾向明显的emoji获取本身就带有极高的情绪强度（举例：disgust相关的emojis）；
3、一个emoji可能会有不同的情感映射，可以携带“主要情感”和“次要情感”，且一般来说，二者的“情感携带量”呈现负相关；
4、那些被归到“Other emotion”的emojis，并非不易进行解读，而是与上下文的关系非常大。
对于第二部分，情感强度的谱分布：
作者使用ANOVA（Analysis of Variance）的方法进行分析，检验数p的阈值设为0.05。以happines为例得到如下结果：
1、首先观察到，不同情绪聚类之间的谱上的采样分布密度差距非常大，有些是因为特定情感分配到的emojis数量本身就非常少，disgust为例。
2、针对那些分布高度集中的位置，作者提出问题：是否这些同等强度的emojis是冗余的，可否处于简洁性考虑，将其从emoji表中提出，使其变得精简。但随后又从上下文情景不同的角度提出了反驳（情感强度虽然相同，但不同语境适用的emojis不一定相同）
3、对于那些本来就有很少采样的谱，可以使用多个emojis表情重复的方式，来作为“更高强度”的情感在表中进行梯度插值。
下面来到第三阶段，文化背景的验证。
首先，我们直接使用的是Lewis的文化背景模型[4]，将文化背景分为Liner-active、Multi-active、Reactive三种。分析方法同样是ANOVA，用于验证各个文化区域的情感强度打分值是否可以显著地被分开，从而说明某个文化区域相对其他文化背景的用户有更“高/低”的打分倾向。
根据探究发现，Liner-active文化背景的用户群体，更加倾向打高分，这从其文化背景的角度考虑有所解释，即：这类人在日常的交流中更加倾向“无情感交流”，更加依赖对话本身而非附加的“肢体语言、手势、面部表情”等，所以，一旦这些情感表露出现，他们就更倾向于变得敏感且易于“过度解读”这些emojis。
最后是对于该文章的一个概览性总结：
1、提出brief-introduction：线上交流引出emojis的大量应用
2、提出问题：ambiguity在情感强度以及不同文化背景两个方面的体现
3、给出调研方式：pre-study以及大规模用户调研方法
4、根据调查结果，给出一个tool或者说table，用于emojis到基本情感类型映射，并且该映射法带有清晰的情感强度的区分，而非仅仅是分类。
5、根据调研结果，表明不同文化背景确有影响，但这种影响是群体内相对的，并不影响我们的映射表的应用，映射表对于文化背景的鲁棒性足够强。
对于相关工作的一些启发：
1、非传统的可视化编码方式？考虑作为一些数据类型的额外编码维度（比如作为标签进行索引）
2、调研方法。（尤其是做大规模用户调研，以及预调研的方法）
参考文献
[1] Kralj Novak P, Smailović J, Sluban B, et al. Sentiment of emojis[J]. PloS one, 2015, 10(12): e0144296.
[2] Illendula A, Sheth A. Multimodal emotion classification[C] //companion proceedings of the 2019 world wide web conference. 2019: 439-449.
[3] El Ali A, Wallbaum T, Wasmann M, et al. Face2emoji: Using facial emotional expressions to filter emojis[C]//Proceedings of the 2017 chi conference extended abstracts on human factors in computing systems. 2017: 1577-1584.
[4] Lewis R. When cultures collide[M]. London: Nicholas Brealey Publishing, 2010.
评论关闭。