計算機模型可能會解碼Facebook表情符號

賓夕法尼亞州立大學的研究人員說，盡管可信任的“喜歡”按鈕仍然是表示批準Facebook帖子的最流行方式，但一種計算機模型可以幫助用戶和企業導航人們在社交媒體上表達自己的感受的日益復雜的方式。

賓夕法尼亞州立大學信息科學與技術學院的研究助理Jason Zhang說，在一項研究中，研究人員開發了一種社交情感挖掘計算機模型，該模型可以用一天來更好地預測人們對Facebook帖子的情感反應。盡管Facebook曾經只出現過一個官方表情符號反應(例如按鈕)，但社交媒體網站在2016年初又添加了五個按鈕(愛，哈哈，哇，悲傷和憤怒)。

“我們想通過將問題建模為排名問題來了解用戶對表情符號的這些點擊背后的反應-給定Facebook帖子，算法能否根據投票預測六種表情符號之間的正確排序?” 張說。“但是，我們發現，現有的解決方案有時會預測用戶的情緒及其排名不佳。”

張補充說，僅計算點擊次數并不能承認某些表情符號比其他表情符號不太可能被點擊，這被稱為失衡問題。例如，用戶傾向于最喜歡單擊“喜歡”按鈕，因為它表示積極的互動，并且它也是Facebook上的默認表情符號。

張說：“當我們在Facebook上發布內容時，我們的朋友傾向于點擊積極的反應，通常是愛，哈哈，或者只是喜歡，但他們很少會生氣。” “這會導致嚴重的失衡問題。”

信息科學與技術副教授李東元說，對于每年花費數十億美元購買Facebook廣告的社交媒體經理和廣告商來說，這種失衡可能會歪曲他們對其內容在Facebook上實際表現的分析。他們稱這種新模型為穩健的標簽排名或ROAR，可以為社交媒體分析師和研究人員帶來更好的分析工具。

李說：“ Facebook上的許多商業廣告都是由喜歡驅動的。” “最終，如果我們可以使用六個表情符號更準確地預測這些表情符號，我們可以建立一個更好的模型，從而僅使用一個表情符號(例如在2016年之前在Facebook上)就可以識別社交平臺中情感的更精確分布。這是一個朝著建立一個模型的方向邁進，例如，該模型可以告訴我們，2015年在Facebook上發布的一百萬個贊實際上只有80%的贊和20%的憤怒。如果可以對社交情感進行如此精確的理解，那可能會影響您的廣告投放方式。”

研究人員將在今天(2月6日)在新奧爾良舉行的第三十二屆AAAI人工智能會議上介紹他們的發現，他們使用了一種稱為“監督機器學習”的AI技術來評估他們新開發的解決方案。在這項研究中，研究人員使用四個Facebook帖子數據集(包括來自普通用戶的公共帖子，《紐約時報》，《華爾街日報》和《華盛頓郵報》)對模型進行了訓練，并表明他們的解決方案明顯優于現有解決方案。在Facebook在2016年引入六種表情符號之后，對所有四組數據進行了分析。

研究人員認為，未來的研究可能會探索喜歡某篇文章的多種含義。

Lee說：“針對類的含義提出正確的分類法是研究的又一步。” “當您單擊“喜歡”按鈕時，您實際上可能在發出幾種情緒-也許是您同意，或者您正在添加支持，或者只是喜歡它。”