emojiall©
อีโมจิทุกตัวมีความพิเศษ ตราบใดที่คุณวิเคราะห์อย่างถูกวิธี คุณสามารถค้นหาข้อมูลมากมาย เช่น ความหมาย หมวดหมู่ หัวข้อที่เกี่ยวข้อง แม้แต่การใช้อีโมจิที่ไม่เหมือนใครได้อย่างรวดเร็ว👀 หลังจากที่เราทำการคำนวณและวิเคราะห์จำนวนมากกับอีโมจิทุกตัว ในที่สุดเราก็ได้รับ Emoji Tag Cloud คำหลักและวลีที่เกี่ยวข้องกับอีโมจิเฉพาะ และนำเสนอในรูปแบบภาพที่แปลกใหม่
🔺The Tag Cloud ของอีโมจิ [ยูนิคอร์น🦄]
เรารับแท็กได้อย่างไร
อย่างที่เราทราบกันดีว่า Twitter เป็นบริการโซเชียลเน็ตเวิร์กที่มีชื่อเสียงระดับโลก และผู้คนก็ชอบทวีตข้อความด้วยอิโมจิเพื่อแสดงอารมณ์หรือเพียงแค่การตกแต่ง แท็กของเราส่วนใหญ่มาจากทวีตทั่วโลก เราวิเคราะห์ทวีตจาก 2018.01 ถึง 2021.11 และแยกแท็กจาก 812 ล้าน ทวีตที่มีอิโมจิ จากนั้นเราใช้สถิติและอัลกอริธึมเพื่อเลือกข้อความที่มีความเกี่ยวข้องสูงกับอีโมจิเฉพาะ และแยกแยะภาษา ด้วยเหตุนี้ เราจึงสามารถรู้ได้ว่าอีโมจิถูกใช้ในประเทศต่างๆ อย่างไร
ที่นี่เราใช้เว็บไซต์ภาษาอังกฤษเป็นตัวอย่าง อิโมจิ 2 ตัวนี้ในหน้าภาษาอังกฤษของเรา: 😎 (หน้ายิ้มใส่แว่นกันแดด) และ 🦄 (ยูนิคอร์น) เราทำการแยกแท็กและรับคำเช่น [cool] หรือ [nicki]
ปัญหาใหม่ปรากฏขึ้นที่นี่❓: แน่นอนว่ามีข้อความจำนวนมากที่เกี่ยวข้องกับอีโมจิ แล้วเราจะเลือกแท็กที่เหมาะสมที่สุดได้อย่างไร และจะจัดเรียงอย่างไร
ในสถานการณ์นี้ จะเกี่ยวข้องกับอัลกอริธึมเพิ่มเติม
คำอธิบายเทคโนโลยีระดับมืออาชีพของการแยกแท็ก
มีเทคโนโลยีการแยกแท็กหลายประเภทที่มีเอฟเฟกต์ต่างกัน เช่น การดึงบทคัดย่อสำหรับบทความ และอัลกอริธึมการแท็กคำหลักสำหรับข้อความสั้น "การแยกแท็กอีโมจิแท็กบนคลาวด์-ทวิตเตอร์" ของ เราอิงตาม อัลกอริทึม TF-IDF ดำเนินการด้วยกระบวนการแก้ไขตามลักษณะของข้อมูล Twitter ซึ่งเป็นอัลกอริธึมการแยกป้ายกำกับข้อความสั้นที่ไม่มีผู้ดูแล
เพื่อให้เข้าใจได้ง่ายขึ้น เราจึงสรุปขั้นตอนการแยกแท็กออกเป็น 3 ขั้นตอน
- ขั้นแรก เราทำการ แยกอีโมจิ และ ล้างข้อความ สำหรับทวีตแต่ละรายการโดยมีหน่วยเป็นเดือน ลบหัวข้อและชื่อเล่น เช่น [@xx], [#xx] และลบ URL ของทวีต ในระหว่างการล้างข้อความ เรายังกรองคำหยุดในภาษาต่างๆ (เช่น ลบอนุภาคที่เป็นโมดอล เช่น อา โอ ฯลฯ) ตัวย่อ รูปแบบคำ การใช้อักษรตัวพิมพ์ใหญ่ และปัจจัยอื่นๆ ในที่สุดก็ได้ข้อมูลข้อมูลความถี่ของคำที่สอดคล้องกับแต่ละอิโมจิ .
- ประการที่สอง เราใช้อัลกอริทึมการแสดงข้อความ TF-IDF (ความถี่-ผกผันของเอกสาร) เพื่อคำนวณน้ำหนักข้อความป้ายกำกับเริ่มต้นตามผลลัพธ์ที่ได้รับในขั้นตอนก่อนหน้า
- หน่วยที่คำนวณในสองขั้นตอนแรกเป็นข้อมูลรายเดือน และข้อมูลทั้งหมดคือสี่ปี ในขั้นตอนสุดท้าย เราจะทำการคำนวณทางสถิติรวมอีกรอบสำหรับข้อมูลรายเดือนทั้งหมด
สูตรการคำนวณคือ TF-IDF = TF * IDF
TF (ความถี่เทอม) ได้มาจากการหารจำนวนคำที่เกิดขึ้นกับอีโมจิด้วยจำนวนคำทั้งหมดที่สอดคล้องกับอีโมจิ IDF คือความถี่ของเอกสารผกผัน IDF = log( N / N(w) ) ในขณะที่ [N] หมายถึงจำนวนอิโมจิทั้งหมด [N(w)] แทนจำนวนอิโมจิที่มีคำว่า [w]
🔺เมื่อคำปรากฏขึ้นทั้งใน emojiA และ emojiB แสดงว่าคำนั้นไม่ได้เป็นตัวแทนเพียงพอ และควรลดน้ำหนักของคำนี้ จากสูตร IDF = log( N / N(w) ) จะเห็นได้ว่าช่วงของ IDF ระหว่าง 0 ถึงค่าอนันต์บวกลดลงตามการเพิ่มขึ้นของ N(w)
เมื่อคำศัพท์ปรากฏขึ้นหลายครั้งในบทความ หมายความว่าน้ำหนักของคำนั้นมากขึ้น อย่างไรก็ตาม คำที่ปรากฏบ่อยที่สุดคือคำที่แสดงน้ำเสียงหรือไม่มีความหมายที่แท้จริง เช่น [aww], [oh] หรือ [RT] เป็นการยากที่จะหลีกเลี่ยงการกรองคำดังกล่าวหากเพียงเรียงลำดับและกรองตามค่า TF ดังนั้น จึงมีการแนะนำหมายเลขเอกสารผกผัน IDF เป็นข้อจำกัด เพื่อคำนวณค่าที่แม่นยำยิ่งขึ้นเพื่อแสดงน้ำหนักของข้อความป้ายกำกับ
ในตอนท้ายของขั้นตอนที่ 2 เราจะกรองรายการที่ปรากฏมากกว่า 15% ของจำนวนอีโมจิทั้งหมด
แปลงข้อมูลทวีตสี่ปีที่คำนวณเป็นรูปแบบของ [(sum(tfidf_m) / M) * log(M)] และคำนวณน้ำหนักของแต่ละรายการแท็กเพิ่มเติม [sum(tfidf_m)] แทนผลรวมของค่า TF-IDF ของเทอมในแต่ละเดือน และ [M] แทนจำนวนเดือนที่คำดังกล่าวปรากฏขึ้น
นี่เป็นวิธีการคำนวณโดยประมาณของข้อมูลแท็กอิโมจิ หลังจากสรุปข้อมูลสุดท้ายแล้ว เราจะตรวจสอบและกรองด้วยตนเองตามภาษาเพื่อให้ได้ผลลัพธ์แท็กที่แม่นยำยิ่งขึ้น
นอกจากนี้ แท็กยังใช้ชื่อย่อของ CLDR และคำหลักของ CLDR เพื่ออ้างอิง ซึ่งเป็นข้อความแท็กพื้นฐานที่สุด ซึ่งหมายความว่าคุณจะเห็นคำเหล่านี้บางคำใน Emoji Tag Cloud เสมอ
🔺 เมื่อส่งอิโมจิไปยัง Unicode Consortium จำเป็นต้องมีชื่อย่อของ CLDR และคีย์เวิร์ดของ CLDR ในข้อเสนอ ดังนั้นคำเหล่านี้จึงต้องคำนึงถึงการเลือกแท็กด้วย ข้อมูลของอีโมจิ [ยูนิคอร์น🦄] เราใส่ชื่อย่อและคำหลักบางคำลงในแท็กคลาวด์
วิธีใช้ Emoji Tag Cloud ของเรา
ถึงเวลาแล้วที่เราได้เปิดตัว Emoji Tag Cloud โดยส่วนตัวแล้ว ฉันเชื่อว่ามันเป็นเครื่องมือที่ตลกและมีประโยชน์มากในการสังเกตอีโมจิเฉพาะ บางครั้งคุณอาจรู้ด้วยซ้ำว่ากลุ่มหรือหัวข้อที่กำลังเป็นที่นิยมต้องการใช้อีโมจินี้ ให้ฉันแสดงวิธีใช้ Emoji Tag Cloud ของเรา!
ตามที่กล่าวไว้ข้างต้น น้ำหนักของข้อความแท็กแต่ละข้อความจะแตกต่างกัน คุณสามารถตัดสินความสัมพันธ์ระหว่างแท็กและอีโมจิได้จากขนาดของวงกลม (ยิ่งใหญ่ ยิ่งมีความเกี่ยวข้องมากขึ้น) หรือคุณสามารถวางเมาส์บนวงกลม จะมีสี่เหลี่ยมเล็กๆ ที่มี [number, tag text] ปรากฏขึ้น ในสถานการณ์นี้ ยิ่งจำนวนน้อย แท็กในแวดวงนี้จะเกี่ยวข้องกับอีโมจิมากขึ้น คุณยังสามารถคลิกแท็กเหล่านี้เพื่อค้นหาอีโมจิอื่นๆ ที่เกี่ยวข้องได้อีกด้วย!
อย่างไรก็ตาม เราใช้ยูนิคอร์นเป็นตัวอย่าง Tag Cloud ของอีโมจิ [ยูนิคอร์น 🦄 ] มีลักษณะดังนี้:
อย่างที่คุณเห็น แท็ก 5 อันดับแรกของ 🦄 คือ [ยูนิคอร์น], [นิกกี้], [ยูนิคอร์น], [plt] และ [barbz]
คำว่า [ยูนิคอร์น] เป็นชื่อย่อของ CLDR ของอีโมจินี้ และแท็กที่เหลืออีก 4 แท็กจะดึงมาจากทวิตเตอร์ [nicki] และ [barbz] เกี่ยวข้องกับ Nicki Minaj และกลุ่มแฟนคลับของเธอ และคำว่า [plt] หมายถึง [Pretty Little Thing] ผู้ค้าปลีกแฟชั่นในสหราชอาณาจักรหรือเพียงแค่วลีนี้ 🦄 เป็นอิโมจิยอดนิยมใน SNS และอีโมจิที่เป็นตัวแทนของแฟน ๆ ของ Nicki Minaj ถ้าคุณรัก Nicki คุณควรใช้อิโมจินี้อย่างแน่นอน!
โดยรวมแล้ว ด้วยการใช้ Emoji Tag Cloud คุณสามารถค้นหาเนื้อหาที่เกี่ยวข้องของอีโมจิเฉพาะได้อย่างง่ายดาย บางทีคุณอาจรู้เพิ่มเติมเกี่ยวกับวัฒนธรรมป๊อปและหลีกเลี่ยงความอับอายที่ไม่รู้ความหมายพื้นฐานและขยายของอีโมจิ บางครั้งการใช้อีโมจิอาจกลายเป็นปรากฏการณ์ทางสังคมได้ เช่น อีโมจินี้ 🥺 ในญี่ปุ่น ในฐานะที่เป็นอิโมจิเพื่อแสดงขอทาน ความคับข้องใจ หรือความน่ารัก คำนี้ 'ぴえん🥺' ชนะรางวัล "JC&JK Buzzword Awards 2019" "รางวัล Gal Buzzword Award 2019" ที่ 2 ตำแหน่งที่ 1 ของ "Instagram Buzzword Award สำหรับครึ่งปีแรก" ปี 2020" และกลายเป็นเทรนด์อิโมจิทั่วประเทศญี่ปุ่น! ในกรณีนี้ สำหรับบางคน Emoji Tag Cloud เป็นเครื่องมือที่ยอดเยี่ยมในการทำความรู้จักกับวัฒนธรรมอินเทอร์เน็ต โดยทั้งหมดขึ้นอยู่กับว่าคุณใช้งานอย่างไร
ทั้งหมดนี้มีไว้เพื่อสำรวจการใช้อีโมจิเพิ่มเติม และหวังว่าคุณจะพบว่าอิโมจิน่าสนใจและให้ข้อมูล เพื่อให้เนื้อหาที่เกี่ยวข้องกับอีโมจิถูกต้อง ข้อมูลจะอัปเดตอยู่เสมอ หากคุณมีคำแนะนำเพิ่มเติมเกี่ยวกับ Emoji Tag Cloud โปรดแจ้งให้เราทราบในความคิดเห็นด้านล่าง👇!
💬แสดงความคิดเห็น : ภาษาปัจจุบัน
