@inproceedings{guibon-etal-2018-de,
title = "De l`usage r{\'e}el des emojis {\`a} une pr{\'e}diction de leurs cat{\'e}gories (From Emoji Usage to Emoji-Category Prediction)",
author = {Guibon, Ga{\"e}l and
Ochs, Magalie and
Bellot, Patrice},
editor = "S{\'e}billot, Pascale and
Claveau, Vincent",
booktitle = "Actes de la Conf{\'e}rence TALN. Volume 1 - Articles longs, articles courts de TALN",
month = "5",
year = "2018",
address = "Rennes, France",
publisher = "ATALA",
url = "https://aclanthology.org/2018.jeptalnrecital-court.38/",
pages = "539--546",
language = "fra",
abstract = "L`utilisation des emojis dans les messageries sociales n`a eu de cesse d`augmenter ces derni{\`e}res ann{\'e}es. Plusieurs travaux r{\'e}cents ont port{\'e} sur la pr{\'e}diction d`emojis afin d'{\'e}pargner {\`a} l`utillisateur le parcours de librairies d`emojis de plus en plus cons{\'e}quentes. Nous proposons une m{\'e}thode permettant de r{\'e}cup{\'e}rer automatiquement les cat{\'e}gories d`emojis {\`a} partir de leur contexte d`utilisation afin d`am{\'e}liorer la pr{\'e}diction finale. Pour ce faire nous utilisons des plongements lexicaux en consid{\'e}rant les emojis comme des mots pr{\'e}sents dans des tweets. Nous appliquons ensuite un regroupement automatique restreint aux emojis visages afin de v{\'e}rifier l`ad{\'e}quation des r{\'e}sultats avec la th{\'e}orie d`Ekman. L`approche est reproductible et applicable sur tous types d`emojis, ou lorsqu`il est n{\'e}cessaire de pr{\'e}dire de nombreuses classes."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="guibon-etal-2018-de">
<titleInfo>
<title>De l‘usage réel des emojis à une prédiction de leurs catégories (From Emoji Usage to Emoji-Category Prediction)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Gaël</namePart>
<namePart type="family">Guibon</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Magalie</namePart>
<namePart type="family">Ochs</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Patrice</namePart>
<namePart type="family">Bellot</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2018-05</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la Conférence TALN. Volume 1 - Articles longs, articles courts de TALN</title>
</titleInfo>
<name type="personal">
<namePart type="given">Pascale</namePart>
<namePart type="family">Sébillot</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Vincent</namePart>
<namePart type="family">Claveau</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA</publisher>
<place>
<placeTerm type="text">Rennes, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>L‘utilisation des emojis dans les messageries sociales n‘a eu de cesse d‘augmenter ces dernières années. Plusieurs travaux récents ont porté sur la prédiction d‘emojis afin d’épargner à l‘utillisateur le parcours de librairies d‘emojis de plus en plus conséquentes. Nous proposons une méthode permettant de récupérer automatiquement les catégories d‘emojis à partir de leur contexte d‘utilisation afin d‘améliorer la prédiction finale. Pour ce faire nous utilisons des plongements lexicaux en considérant les emojis comme des mots présents dans des tweets. Nous appliquons ensuite un regroupement automatique restreint aux emojis visages afin de vérifier l‘adéquation des résultats avec la théorie d‘Ekman. L‘approche est reproductible et applicable sur tous types d‘emojis, ou lorsqu‘il est nécessaire de prédire de nombreuses classes.</abstract>
<identifier type="citekey">guibon-etal-2018-de</identifier>
<location>
<url>https://aclanthology.org/2018.jeptalnrecital-court.38/</url>
</location>
<part>
<date>2018-5</date>
<extent unit="page">
<start>539</start>
<end>546</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T De l‘usage réel des emojis à une prédiction de leurs catégories (From Emoji Usage to Emoji-Category Prediction)
%A Guibon, Gaël
%A Ochs, Magalie
%A Bellot, Patrice
%Y Sébillot, Pascale
%Y Claveau, Vincent
%S Actes de la Conférence TALN. Volume 1 - Articles longs, articles courts de TALN
%D 2018
%8 May
%I ATALA
%C Rennes, France
%G fra
%F guibon-etal-2018-de
%X L‘utilisation des emojis dans les messageries sociales n‘a eu de cesse d‘augmenter ces dernières années. Plusieurs travaux récents ont porté sur la prédiction d‘emojis afin d’épargner à l‘utillisateur le parcours de librairies d‘emojis de plus en plus conséquentes. Nous proposons une méthode permettant de récupérer automatiquement les catégories d‘emojis à partir de leur contexte d‘utilisation afin d‘améliorer la prédiction finale. Pour ce faire nous utilisons des plongements lexicaux en considérant les emojis comme des mots présents dans des tweets. Nous appliquons ensuite un regroupement automatique restreint aux emojis visages afin de vérifier l‘adéquation des résultats avec la théorie d‘Ekman. L‘approche est reproductible et applicable sur tous types d‘emojis, ou lorsqu‘il est nécessaire de prédire de nombreuses classes.
%U https://aclanthology.org/2018.jeptalnrecital-court.38/
%P 539-546
Markdown (Informal)
[De l’usage réel des emojis à une prédiction de leurs catégories (From Emoji Usage to Emoji-Category Prediction)](https://aclanthology.org/2018.jeptalnrecital-court.38/) (Guibon et al., JEP/TALN/RECITAL 2018)
ACL