[論文レビュー] Automated Analysis of Topic-Actor Networks on Twitter: New approach to the analysis of socio-semantic networks

Iina Hellsten, Loet Leydesdorff|arXiv (Cornell University)|Nov 22, 2017

Computational and Text Analysis Methods参考文献 29被引用数 11

ひとこと要約

本稿では、共起行列を用いて参加者とトピックを同時にモデル化することで、Twitter上の社会的意味的ネットワークを自動的・行列ベースで分析する手法を紹介する。この手法は、大規模なTwitterデータ（リオ＋20に関する72,077件の英語ツイートおよび家禽における鳥インフルエンザに関する2,139件のオランダ語ツイート）の分析において有効であることを示しており、従来の手法と比較して、社会的要因と意味的要因の統合が向上した、トピック・参加者間の相互作用における構造的パターンを明らかにした。

ABSTRACT

Social-media data provides increasing opportunities for automated analysis of large sets of textual documents. So far, automated tools have been developed to account for either the social networks between the participants of the debates, or to analyze the content of those debates. Less attention has been paid to mapping co-occurring actors (participants) and topics (content) in online debates that form socio-semantic networks. We propose a new, automated approach that uses a whole matrix approach of co-addressed topics and the actors. We show the advantages of the new approach with the analysis of a large set of English-language Twitter messages at the Rio+20 meeting, in June 2012 (72,077 tweets), and a smaller data set of Dutch-language Twitter messages on bird flu related to poultry farming in 2015-2017 (2,139 tweets). We discuss the theoretical, methodological and substantive implications of our approach, also for the analysis of other social-media data.

研究の動機と目的

• ソーシャルメディアにおけるソーシャル・インタラクションとコンテンツ・トピックを統合的に分析する自動的手法の不足を補うこと。
• オンラインディスカッションにおいて参加者とトピックを同時にモデル化する手法を開発し、ソーシャル・ネットワークやコンテンツを別々に分析する際の制限を回避すること。
• 大規模かつ自動的なTwitterデータ分析を可能にし、特定のトピックに対して参加者がどのように関与するかの構造的パターンを解明すること。
• 異なる分野および言語の実世界データセットを用いて、この手法の性能と理論的有用性を評価すること。
• オンライン公共ディスカッションにおける社会的意味的ダイナミクスを研究するための新しい分析フレームワークを提供すること。

提案手法

• 本手法は、データセット内の全ツイートにおいて参加者とトピックの共起を捉える、全体行列アプローチを採用する。
• 行が参加者、列がトピックを表す二部グラフ共起行列を構築し、セルの値は両者の同時登場頻度を示す。
• ネットワーク科学および文献計数的結合の手法を用いて行列を分析し、トピック・参加者関係における構造的パターンを明らかにする。
• 本手法は2つのデータセットに適用された：リオ＋20会議に関する72,077件の英語ツイートと、家禽における鳥インフルエンザに関する2,139件のオランダ語ツイート。
• 自動的に各トピックごとの主要参加者および各参加者ごとの主要トピックを特定可能にし、社会的意味的ネットワークのマッピングを促進する。
• デジタル図書館およびソーシャル・ネットワーク分析ツールを活用して、ネットワークの中心性やクラスタリングの観点から得られた行列を解釈する。

実験結果

リサーチクエスチョン

• RQ1 参加者とトピックの共起を統合することで、どのようにしてTwitterデータから社会的意味的ネットワークを自動的にモデル化できるか？
• RQ2 全体行列アプローチを用いて分析した場合、トピック・参加者ネットワークにどのような構造的パターンが現れるか？
• RQ3 本手法は、ソーシャル・ネットワークやコンテンツを別々に分析する従来の手法と比較して、どのように異なるか？
• RQ4 本手法を用いることで、環境政策および健康政策に関する議論の大型Twitterデータからどのようなインサイトが得られるか？
• RQ5 この手法は、オンライン公共ディスカッションにおけるトピックの変化に伴う参加者の関与ダイナミクスをどの程度まで明らかにできるか？

主な発見

• 行列ベースのアプローチは、社会的意味的ネットワークにおける参加者とトピックの相互作用を効果的に捉え、特定のテーマに関与する参加者グループの明確なクラスタを明らかにした。
• リオ＋20データセットでは、『持続可能な開発』や『気候変動』といった中心的トピックと、それらと関連する主要参加者が特定され、議論全体にわたる共起パターンが可視化された。
• 鳥インフルエンザデータセットでは、農家や保健当局関係者といった特定の参加者が『ワクチン接種』や『発生抑止』といった特定のトピックと結びついていることが明らかになった。
• 本手法は、異なるデータサイズおよび言語に対しても頑健であり、大規模および小規模な両方のデータセットから解釈可能で意味のあるネットワーク構造を生成した。
• 共起行列による社会的要因と意味的要因の統合は、個別に分析するよりも深い洞察を提供した。
• 本手法により、中心的参加者および中核的トピックの特定が可能となり、オンライン公共ディスカッションの構造を体系的にマッピングする手法が得られた。