[論文レビュー] Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using Social Media

Hui Yin, Shuiqiao Yang+1 more|arXiv (Cornell University)|Jul 5, 2020

Misinformation and Its Impacts参考文献 25被引用数 14

ひとこと要約

本研究では、2020年4月の1300万件のTwitterツイートを用いて、初期の新型コロナウイルスパンデミック期における世界規模のトピックおよび感情の変化を追跡する、動的トピックモデリングとセンチメント分析のフレームワークを提案する。動的トピックモデル（DTM）とVADERセンチメント分析を組み合わせることで、全体的なセンチメントは肯定的であったが、'自宅にいよう'というトピックは強い肯定的センチメントを示した一方、'人々の死亡'というトピックは一貫して否定的センチメントを示し、トピックごとの感情的ダイナミクスが浮き彫りになった。

ABSTRACT

The outbreak of the novel Coronavirus Disease (COVID-19) has greatly influenced people's daily lives across the globe. Emergent measures and policies (e.g., lockdown, social distancing) have been taken by governments to combat this highly infectious disease. However, people's mental health is also at risk due to the long-time strict social isolation rules. Hence, monitoring people's mental health across various events and topics will be extremely necessary for policy makers to make the appropriate decisions. On the other hand, social media have been widely used as an outlet for people to publish and share their personal opinions and feelings. The large scale social media posts (e.g., tweets) provide an ideal data source to infer the mental health for people during this pandemic period. In this work, we propose a novel framework to analyze the topic and sentiment dynamics due to COVID-19 from the massive social media posts. Based on a collection of 13 million tweets related to COVID-19 over two weeks, we found that the positive sentiment shows higher ratio than the negative sentiment during the study period. When zooming into the topic-level analysis, we find that different aspects of COVID-19 have been constantly discussed and show comparable sentiment polarities. Some topics like ``stay safe home" are dominated with positive sentiment. The others such as ``people death" are consistently showing negative sentiment. Overall, the proposed framework shows insightful findings based on the analysis of the topic-level sentiment dynamics.

研究の動機と目的

• SNSデータを用いて、新型コロナウイルスパンデミック関連のリアルタイムなトピックおよびセンチメントダイナミクスをモニタリングすること。
• 公衆の感情が、パンデミック関連の異なるトピックに対してどのように変化するかを理解すること。
• 公衆衛生危機期における感情的対象トピックとセンチメントの変化を特定することで、政策立案者を支援すること。
• 大規模なSNSデータに対して、動的トピックおよびセンチメント分析をスケーラブルに実行できるフレームワークを構築すること。

提案手法

• 2020年4月1日から4月14日までの間、Twitterから新型コロナウイルス関連の13,746,822件のツイートを収集した。
• ツイートコーパスから日次に変化するトピックを発見するために、動的トピックモデル（DTM）を適用した。
• ツイートおよびトピックレベルでのセンチメント極性分類に、VADERセンチメント辞書を用いた。
• トピックの頻度順に並べ替え、上位トピックの時間的傾向におけるセンチメント変化を分析した。
• 時系列チャートとワードクラウドを用いて、トピックの進化とセンチメントダイナミクスを可視化した。
• 異なるテーマ的クラスタにおけるトピックの整合性とセンチメント分布を評価した。

実験結果

リサーチクエスチョン

• RQ1 新型コロナウイルスパンデミックの初期段階において、公衆のセンチメントはどのように動的に変化するか？
• RQ2 SNS上で最も頻繁に取り上げられている新型コロナウイルス関連のトピックは何か？
• RQ3 パンデミックの動向に応じて、トピックはどのように時間経過とともに変化するか？
• RQ4 異なる新型コロナウイルス関連のトピックにおいて、センチメント極性はどのように変動するか？

主な発見

• 本研究期間中、1300万件のツイート全体のセンチメントは、否定的センチメントよりも肯定的センチメントの割合が高かった。
• トピック11（'自宅にいよう'および自己隔離に関連）は、一貫して肯定的センチメントを示し、保護策に対する公衆の支持を反映していた。
• トピック49（症例報告および公式データに関連）は、主に否定的センチメントを示し、症例数の増加に対する公衆の不安を示唆していた。
• トピック64（新型コロナウイルスによる死亡に関連）は、一貫して高い否定的センチメントを維持しており、死亡率に対する公衆の怒りや悲しみを反映していた。
• 上位3つのトピック（11、49、64）は、2週間の間、毎日上位10位以内に留まり、継続的な公衆の関心を示していた。
• 世界的な肯定的センチメントにもかかわらず、トピックごとのセンチメントは顕著に異なり、'人々の死亡'や'症例報告'は強い否定的センチメントを示した一方、'自宅にいよう'は広く肯定的に捉えられていた。