为了进行实验，我们希望使用嵌入在许多推文中的表情符号作为基本事实/训练数据，以进行简单的定量情绪分析。推文通常过于非结构化，以至于 NLP 无法正常工作。
无论如何，Unicode 6.0 中有 722 个 Emoji，可能 Unicode 7.0 中还会添加另外 250 个。
是否有包含情绪注释的数据库（例如 SentiWordNet）？
（请注意，SentiWordNet 也确实允许模棱两可的含义。考虑例如funny，这不仅仅是积极的：“这味道很有趣”可能不是积极的......;-)例如同样适用。但我不认为这更难表情符号比普通单词...）
此外，如果您有使用它们进行情绪分析的经验，我很想听听。
总共 972 个表情符号并没有那么大，不能手动标记它们，但我怀疑它们是否能作为一个很好的基本事实。像 Twitter 这样的来源充满了讽刺、讽刺和其他棘手的设置，其中情感符号（如表情符号或表情符号）意味着与正常解释不同的东西。例如，有人可能会写“xxx欺骗了他们的客户，现在他们自己被欺骗了！哈哈哈！：D”。这绝对是负面评论，但作者很高兴看到xxx公司陷入困境，因此添加了正面表情。这些情况并不常见，但绝对不适合基本事实。
更常见的方法是使用表情符号作为收集实际数据集的种子。例如，在本文中，作者使用表情符号和情感哈希标签来获取对进一步分类有用的词库。
我发现这个Github repo很有用（一个好的开始）。以负五（负）和正五（正）之间的整数表示价的表情符号列表。
查看支持的 unicode-emojis 列表。
请注意，由于同时用于正面和负面情绪，某些表情符号可能会收到令人困惑的极性，例如stuck_out_tongue_closed_eyes (0)。