[論文レビュー] A Machine Learning Analysis of Twitter Sentiment to the Sandy Hook Shootings

Nan Wang, Blesson Varghese+1 more|arXiv (Cornell University)|Sep 2, 2016

Crime, Deviance, and Social Control参考文献 25被引用数 7

ひとこと要約

本研究では、2012年サンディフック銃撃事件の40日間の期間にわたる米国発のツイート70万件以上を対象に機械学習を適用し、銃器賛成および反対の感情を分類した。その結果、銃撃事件の直後から数日間にわたり、銃器賛成感情が持続的に高止まりしているのに対し、反対感情は急速に低下することが明らかになった。これは、大規模な銃撃事件に対する一般世論の反応に関する仮説に疑問を呈するものである。

ABSTRACT

Gun related violence is a complex issue and accounts for a large proportion of violent incidents. In the research reported in this paper, we set out to investigate the pro-gun and anti-gun sentiments expressed on a social media platform, namely Twitter, in response to the 2012 Sandy Hook Elementary School shooting in Connecticut, USA. Machine learning techniques are applied to classify a data corpus of over 700,000 tweets. The sentiments are captured using a public sentiment score that considers the volume of tweets as well as population. A web-based interactive tool is developed to visualise the sentiments and is available at http://www.gunsontwitter.com. The key findings from this research are: (i) There are elevated rates of both pro-gun and anti-gun sentiments on the day of the shooting. Surprisingly, the pro-gun sentiment remains high for a number of days following the event but the anti-gun sentiment quickly falls to pre-event levels. (ii) There is a different public response from each state, with the highest pro-gun sentiment not coming from those with highest gun ownership levels but rather from California, Texas and New York.

研究の動機と目的

• サンディフック銜乱学校銃撃事件に対するツイッター上の一般世論の感情を機械学習を用いて分析すること。
• 米国各州における銃器賛成および反対感情の時間的・地理的パターンを調査すること。
• ソーシャルメディアデータにおける感情分類に適した複数の機械学習モデルを評価すること。
• 人口および銃器所有率を考慮した州ごとの感情傾向を可視化するインタラクティブなウェブツールを開発すること。
• 自然言語処理を用いて、公衆衛生という重要な問題である銃害とコンピュータサイエンスを結びつけること。

提案手法

• GNIPを介して歴史的ツイッターデータを収集し、キーワード、期間（40日間）、米国の地理的場所をフィルタリングした。
• Rを用いてJSONファイルをCSV形式に変換し、関連するテキストおよびメタデータを抽出することで、ツイートを前処理した。
• 教師あり学習のためのゴールドスタンダード訓練データセットとして、5,000件の手動ラベル付きツイート（銃器賛成、反対、ニュートラル）を構築した。
• SVM、マクシマムエントロピー、ランダムフォレスト、ニューラルネットワーク、ナイーブベイズ、アンサンブル手法といった複数の機械学習アルゴリズムを、ラベル付きデータに対して評価した。
• 最高の性能を示したモデル（例：SVM、ランダムフォレスト）を用いて、70万件を超える全データセットの分類を実施した。
• 人口および銭器所有率を正規化したウェブベースのツール（http://www.gunsontwitter.com）を用いて、州ごとの感情傾向を可視化した。

実験結果

リサーチクエスチョン

• RQ1 サンディフック銃撃事件の直後数日間で、ツイッター上の銃器賛成および反対感情はどのように変化したか？
• RQ2 どの米国州で銃器賛成感情が最も高かったか。また、それらの州は銭器所有率や人口規模とどのように相関しているか？
• RQ3 ツイッターのデータにおいて、銃器賛成、反対、ニュートラルの感情を分類する際に、どの機械学習モデルが最も優れた性能を示すか？
• RQ4 ソーシャルメディア上の感情傾向は、信頼性を持って可視化可能であり、公衆衛生や政策のタイミングに活用できるか？
• RQ5 大規模な学校銃撃事件に対して、銃器賛成感情と反対感情の両方が、強度と持続期間においてどのように異なる反応を示すか？

主な発見

• 銭器賛成および反対感情は、サンディフック銃撃事件の発生日にピークに達しており、一般世論の活発な議論が生じていたことが示された。
• 反対感情は、数日以内に事前の水準まで急速に低下し、短期間の世論の反応に留まったことが示唆された。
• 銭器賛成感情は、銭撃事件の数日後にかけても依然として高い水準を維持しており、銭器所有の支持または正当化が持続的であることを示している。
• 銭器賛成感情が最も高かったのはカリフォルニア州、テキサス州、ニューヨーク州であり、これらは必ずしも銭器所有率が高い州とは限らない。
• 本研究では、SVMおよびランダムフォレストが、ツイッターのデータにおける三段階感情分類（銭器賛成、反対、ニュートラル）において最も高い正確性を示した。
• http://www.gunsontwitter.com に設置されたインタラクティブなウェブツールは、人口および銭器所有率を正規化した州ごとの感情傾向を成功裏に可視化した。