我正在做一个Twitter情绪分析项目。从一些文献中已经证明，使用表情符号和表情符号信息可以改善Twitter数据上情感分类器的性能（例如IBM Sentiment Expression via Emoticons on Social Media在2015年所做的工作）。此外，可以根据表情符号描述emoji2vec创建每个表情符号表示的emoji2vec项目emoji description对于Twitter情绪分析确实很有帮助。
现在，我正在使用Keras构建顺序模型来进行这种情感分类。但是我的问题是，在构造所有顺序模型之前，您应该先将文本数据传递给Tokenizer API：
`PASSWORD` varchar(255) CHARACTER SET utf8 COLLATE utf8_unicode_ci DEFAULT NULL,
其中tokenizer = Tokenizer(num_words= vocabulary_size)
tokenizer.fit_on_texts(df['Phrase'])
sequences = tokenizer.texts_to_sequences(df['Phrase'])
data = pad_sequences(sequences, maxlen=50)
是我的熊猫数据框。因此，是否可以在Tokenizer中添加表情符号（因为Tokenizer API首先选择了最常见的前df个单词并构造了单词索引对）？表情符号显然不如单词频繁，它们是情感分类中的重要特征。因此，我想将表情符号添加到keras Tokenizer API中，并创建表情符号的表情符号索引对。
关于模型，我正在构建具有预先训练的嵌入（例如，由FastText训练）的BiLSTM模型。如何在此任务中结合表情符号表示和单词表示？以下代码显示了我的BiLSTM模型：
vocabulary size任何帮助和见解将不胜感激！谢谢！圣诞快乐！