[論文レビュー] Good Friends, Bad News - Affect and Virality in Twitter

Lars Kai Hansen, Adam Arvidsson+3 more|arXiv (Cornell University)|Jan 3, 2011

Opinion Dynamics and Social Influence参考文献 19被引用数 22

ひとこと要約

本研究は、感情とトレンド性の関係に焦点を当て、ナイーブベイズ分類器を用いてニュースでないコンテンツとニュースコンテンツを区別する。非ニュース文脈とは対照的に、ニュース関連のツイートではネガティブな感情がリツイートを促進することが判明した。これは、友人間ではポジティブなコンテンツを共有するが、一般に悪いニュースを広めるという二重のメカニズムを示している。

ABSTRACT

The link between affect, defined as the capacity for sentimental arousal on the part of a message, and virality, defined as the probability that it be sent along, is of significant theoretical and practical importance, e.g. for viral marketing. A quantitative study of emailing of articles from the NY Times finds a strong link between positive affect and virality, and, based on psychological theories it is concluded that this relation is universally valid. The conclusion appears to be in contrast with classic theory of diffusion in news media emphasizing negative affect as promoting propagation. In this paper we explore the apparent paradox in a quantitative analysis of information diffusion on Twitter. Twitter is interesting in this context as it has been shown to present both the characteristics social and news media. The basic measure of virality in Twitter is the probability of retweet. Twitter is different from email in that retweeting does not depend on pre-existing social relations, but often occur among strangers, thus in this respect Twitter may be more similar to traditional news media. We therefore hypothesize that negative news content is more likely to be retweeted, while for non-news tweets positive sentiments support virality. To test the hypothesis we analyze three corpora: A complete sample of tweets about the COP15 climate summit, a random sample of tweets, and a general text corpus including news. The latter allows us to train a classifier that can distinguish tweets that carry news and non-news information. We present evidence that negative sentiment enhances virality in the news segment, but not in the non-news segment. We conclude that the relation between affect and virality is more complex than expected based on the findings of Berger and Milkman (2010), in short 'if you want to be cited: Sweet talk your friends or serve bad news to the public'.

研究の動機と目的

• 感情（ポジティブ対ネガティブな感情）がTwitterにおけるリツイート行動に与える影響を調査すること。
• メールベースの研究で示されたポジティブ感情とトレンド性の関連（Berger & Milkman, 2010）が、Twitterのようなソーシャルメディアにも一般化されるかどうかを検討すること。
• ソーシャル文脈ではポジティブ感情がトレンド性を促進するのに対し、メディア理論ではネガティブ感情がニュース拡散を促進するという、表面的矛盾を解明すること。
• 短いフォームのソーシャルメディアテキストにおけるニュース性を特定する分類器の開発と妥当性検証すること。

提案手法

• ブラウンコーパスを用いてナイーブベイズ分類器を訓練し、テキスト内のニュース性を検出する。84%の正答率を達成した。
• 訓練済み分類器を2つのTwitterデータセット（ランダムサンプルとCOP15気候サミットデータセット）に適用した。
• 一般化線形モデルを用いて、感情（ポジティブ／ネガティブ）がリツイート確率に与える影響を、ニュース性を制御した状態でテストした。
• ネガティブ感情とニュース性確率の間の相互作用項を作成し、条件付き効果を評価した。
• 感情的影響を明確にするために、アーザル（覚醒度）がゼロでない（感情的に高揚した内容）のツイートに限定した分析を行った。
• 2つの異なるTwitterコーパスを用いて、感情のトレンド性に与える影響の文脈依存性を検証した。

実験結果

リサーチクエスチョン

• RQ1 機械学習分類器は、短いTwitterテキストにおけるニュース性を信頼性を持って検出できるか？
• RQ2 一般のTwitterトラフィックにおいて、ネガティブな感情はリツイートを減少させるか、増加させるか？
• RQ3 COP15関連のツイートにおいて、ネガティブな感情はリツイート確率を高めるのか？（古典的ニュースメディア理論の予測通りか？）
• RQ4 感情とニュース性の相互作用は、Twitterにおけるトレンド性にどのように影響を与えるか？

主な発見

• ナイーブベイズ分類器は、短いテキストにおけるニュース性検出において84%の正答率を達成し、Twitterコンテンツにおける信頼性の高いニュース検出を示した。
• ランダムサンプルでは約23%のツイートがニュース性があると分類されたが、COP15関連のツイートでは31%に上昇した。
• ランダムサンプルでは、ネガティブな感情がリツイートにやや負の影響を及ぼしたが、統計的に有意ではなかった。一方、ポジティブな感情はトレンド性の強力な予測要因であった。
• COP15サンプルでは、ネガティブな感情がリツイート確率を有意に高めた。特に感情的に高揚した内容のツイートで顕著であった。
• 2つのデータセットにおいても、ネガティブな感情とニュース性の相互作用がリツイートの予測要因として有意であった。これは、ネガティブなニュースがより広く拡散されることを確認した。
• ソーシャルメディアでの共有（ポジティブ感情を好む）とニュースメディアでの拡散（ネガティブ感情を好む）という表面的矛盾を解消した。トレンド性のメカニズムは文脈に依存することが明らかになった。