[論文レビュー] Deep Feelings: A Massive Cross-Lingual Study on the Relation between Emotions and Virality

Marco Guerini, Jacopo Staiano|arXiv (Cornell University)|Mar 16, 2015

Misinformation and Its Impacts参考文献 32被引用数 16

ひとこと要約

本研究は、150万件の感情的アノテーションを含む大規模なクラウドソーシングデータセットを用いて、英語およびイタリア語のソーシャルメディアプラットフォームにおけるニュース記事が引き起こす感情とその拡散性（バズ性）の関係を調査している。文化的差が特定の感情に影響を与える一方で、感情の価値・覚醒・優位性（VAD）の円形モデルは、言語を越えて一貫した枠組みを提供し、拡散性を説明するのに有効であることが判明した。特に、高い覚醒度は狭義の拡散（narrowcasting）と関連し、高い優位性は広域の拡散（broadcasting）と関連している。

ABSTRACT

This article provides a comprehensive investigation on the relations between virality of news articles and the emotions they are found to evoke. Virality, in our view, is a phenomenon with many facets, i.e. under this generic term several different effects of persuasive communication are comprised. By exploiting a high-coverage and bilingual corpus of documents containing metrics of their spread on social networks as well as a massive affective annotation provided by readers, we present a thorough analysis of the interplay between evoked emotions and viral facets. We highlight and discuss our findings in light of a cross-lingual approach: while we discover differences in evoked emotions and corresponding viral effects, we provide preliminary evidence of a generalized explanatory model rooted in the deep structure of emotions: the Valence-Arousal-Dominance (VAD) circumplex. We find that viral facets appear to be consistently affected by particular VAD configurations, and these configurations indicate a clear connection with distinct phenomena underlying persuasive communication.

研究の動機と目的

• 異なる言語におけるニュース記事の拡散性のさまざまな側面に及ぼす感情の影響を調査すること。
• 感情の特定の種類およびその深層的要因（価値、覚醒、優位性）が拡散性指標に与える影響を比較すること。
• VAD円形モデルに基づく一般化された言語に依存しないモデルが、文化的な違いを越えて拡散性を説明できるかどうかを検証すること。
• 感情ベースのモデルとVADベースのモデルの両方が拡散性を予測する際の説明力の優劣を評価すること。
• コンテンツマーケティングおよびネイティブ広告に与える示唆を明らかにし、感情と拡散性の関係を同定すること。

提案手法

• Rappler（英語）およびCorriere della Sera（イタリア語）から抽出した65,000件のニュース記事のバイリンガルコーパスを収集し、読者が引き起こした感情でアノテートした。
• クラウドソーシングによる感情フィードバック（ムードタグ）を用いて、各記事の感情スコアおよびVAD（価値・覚醒・優位性）スコアを算出。
• Google+での共有数、ツイート数、メール共有数（G+、Tweets、Emails）を用いて拡散性を複数指標で測定。
• 平均値＋標準偏差に基づくしきい値を用いて、拡散性指標を二値化し、極めて拡散性の高い記事を特定。
• 感情カテゴリとVAD次元を予測変数として用い、ロジスティック回帰モデルを適用して拡散性を予測。
• 既存のリソースを用いて感情ラベルをVAD値にマッピングし、多言語間比較およびモデルの一般化を可能にした。

実験結果

リサーチクエスチョン

• RQ1 特定の感情は、英語およびイタリア語のニュースコンテンツにおいて、Google+、Twitter、メールでの共有といった異なる拡散フェーズとどのように関連しているか？
• RQ2 文化的な違いが感情反応に与える影響は、感情と拡散性の関係にどの程度影響を及えるか？
• RQ3 価値・覚醒・優位性（VAD）の円形モデルは、一般化された多言語的枠組みとして拡散性を説明できるか？
• RQ4 感情ベースのモデルとVADベースのモデルの両方が、拡散性を予測する際の説明力は、どのように比較されるか？
• RQ5 感情の影響は、狭義の拡散（例：メール共有）と広域の拡散（例：ソーシャルメディア共有）のどちらにより強く現れるか？

主な発見

• VAD円形モデルは、言語を越えて一貫した拡散性の説明を提供し、高い覚醒度は狭義の拡散（narrowcasting）と関連し、高い優位性は広域の拡散（broadcasting）と関連している。
• 文化的な感情反応の違い（特に英語データセットとイタリア語データセットにおける「悲しみ」の影響の不一致）が見られる一方で、VADモデルは両言語で強く説明力を持つ。
• VADベースのモデルは、Corriere.itで最大0.0840、Rappler.comで最大0.0569のMcFadden’s R²を達成し、感情ベースのモデルおよびBergerら（2012）の最良モデル（R²=0.0700）を上回った。
• 本研究では、感情が狭義の拡散（例：メール共有）に与える影響が、広域の拡散（例：ソーシャルメディア共有）よりも強いことが判明した。この傾向は両言語で一貫していた。
• 感情をVAD次元にマッピングした後も、モデルの説明力が強く保たれたことから、VADは拡散性の背後にある本質的な感情的構造を捉えていることが示唆された。
• 結果から、特に優位性と覚醒度の入れ替えが、拡散性の背後にある一貫した説得的コミュニケーション現象と系統的に関連していることが示唆された。