来源：期刊VIP网 时间：
作者：熊珠珠;刘仕鑫;万中英;曾雪强;
单位：江西师范大学计算机信息工程学院;
摘要：表情符号（emoji）作为一种有效的情感表达工具，已被广泛用于基于互联网的日常交流。目前，大多数emoji预测模型采用词嵌入方法构建emoji表示，但并未考虑emoji与情绪的直接关联和emoji在目标数据集中的共现模式，导致学习到的emoji表示的情绪区分度不足。针对上述问题，该文基于与情绪直接关联的emoji情感分布构建emoji表示，提出一种融合情感分布的多标签emoji预测模型（Emotion distribution Information Fusion for multilabel Emoji Prediction, EIFEP）。EIFEP模型的结构由三个模块组成：文本语义模块、emoji信息模块和信息融合预测模块。文本语义模块采用基于转换器的双向编码器表示（Bidirectional Encoder Representations from Transformers,BERT）模型提取文本语义表示；emoji信息模块使用多层图卷积网络构建融合emoji情感分布和共现模式信息的emoji嵌入表示；信息融合预测模块利用emoji嵌入注意力机制将文本语义表示与emoji嵌入表示矩阵融合，并进行emoji预测。在Mu-Emoji英文数据集上进行的对比实验表明，EIFEP模型在准确率（Accuracy,Acc）、微平均F1分数（Micro-F1 score,mic F1）、杰卡德系数（Jaccard Score,JS）和汉明损失（Hamming Loss,HL）四个评价指标上均优于现有的多标签emoji预测模型，分别达到60.88%、58.79%、74.05%和6.92%。
关键词：Emoji预测;;多标签分类;;标签相关性;;情感分析;;图卷积网络
基金资助：国家自然科学基金(62266021);; 江西省教育厅科学技术研究(GJJ2200330)
