[論文レビュー] Dynamic topic modeling of the COVID-19 Twitter narrative among U.S. governors and cabinet executives

Hao Sha, Mohammad Al Hasan+2 more|arXiv (Cornell University)|Apr 19, 2020

Misinformation and Its Impacts参考文献 17被引用数 48

ひとこと要約

本論文は Hawkes binomial topic model を米国の知事および閣僚の COVID-19 ツイートに適用し、進化するサブトピックを追跡し、影響ネットワークを推定する。

ABSTRACT

A combination of federal and state-level decision making has shaped the response to COVID-19 in the United States. In this paper we analyze the Twitter narratives around this decision making by applying a dynamic topic model to COVID-19 related tweets by U.S. Governors and Presidential cabinet members. We use a network Hawkes binomial topic model to track evolving sub-topics around risk, testing and treatment. We also construct influence networks amongst government officials using Granger causality inferred from the network Hawkes process.

研究の動機と目的

• 分析 2020年1月1日から2020年4月7日までの米国知事、大統領、および閣僚の COVID-19 関連の Twitter 叙述。
• リスク、検査、ワクチン接種/治療を巡るサブトピックの進化を捉える Hawkes binomial topic model (HBTM) を開発。
• ネットワーク Hawkes プロセスから推定された Granger 因果関係に基づく影響ネットワークを構築。
• トピックの phase-based shifts を特定し、跨政党・跨州の影響パターンをマッピング。

提案手法

• 発生的および誘発されたツイートをモデル化するために intensity lambda_s(t,m) を備えた Hawkes binomial topic model (HBTM) を使用。
• ツイートを bag of words として表現し、マークは Binomial 分布、官僚間の誘発にはネットワーク Hawkes プロセスを適用。
• 動的トピック群へツイートをクラスタリングするための分岐確率 q_ij を推定。
• ストップワードを除去した後、辞書を上位 W 個の頻出語に制限する；発生率をノンパラメトリックに推定。
• 官僚間のトリガーから Granger 因果性に基づく影響ネットワークを推定し、跨党派の相互作用を可視化。

実験結果

リサーチクエスチョン

• RQ1 2020年1月1日から2020年4月7日までの米国知事および閣僚のCOVID-19 ツイートの進化するサブトピックは何か。
• RQ2 リスク、検査、ワクチン接種/治療といったトピックはどのように出現し、時間とともに変化するか。
• RQ3 どの官員が他者に影響を及ぼし、これらの影響は政党間および州間でどのように分布しているか。
• RQ4 ネットワーク Hawkes プロセスから推定される Granger 因果性は、パンデミック期間中の政府間の影響パターンを明らかにするか。

主な発見

• 4つの時系列フェーズの語りが同定され、低リスクから高リスクへ移行し、検査とライブ更新の強調が高まる。
• リスク、治療、検査を巡るサブトピックが検出され、検査能力とワクチン開発への関心の高まりを示す。
• 影響ネットワークは跨党派のトリガーを示し、特定の知事や官僚が顕著な役割を果たし、大統領は高い自発的活動を持つが跨誘発影響は限られる。
• phase-特有の Granger ネットワークは党派間の相互連携と、州の規模・活性化に関連する地理的クラスタリングを明らかにする。