[論文レビュー] How is Your Mood When Writing Sexist tweets? Detecting the Emotion Type and Intensity of Emotion Using Natural Language Processing Techniques

Sima Sharifirad, Borna Jafarpour+1 more|arXiv (Cornell University)|Jan 28, 2019

Hate Speech and Cyberbullying Detection参考文献 13被引用数 12

ひとこと要約

本稿では、SemEval-2018 Affect in Tweetsデータセットを用いて、性別に基づくいじめのつぶやきにおける感情の種類と強度を検出する新しいNLPアプローチを提案する。4つの性別に基づくいじめのつぶやきのカテゴリ—間接的いじめ、情報的脅し、性的いじめ、身体的いじめ—における明確な感情プロファイルを同定し、さまざまな形態の差別が固有の感情状態に関連していることを示している。これは、差別的コンテンツにおける感情検出の包括的分析を初めて行う研究である。

ABSTRACT

Online social platforms have been the battlefield of users with different emotions and attitudes toward each other in recent years. While sexism has been considered as a category of hateful speech in the literature, there is no comprehensive definition and category of sexism attracting natural language processing techniques. Categorizing sexism as either benevolent or hostile sexism is so broad that it easily ignores the other categories of sexism on social media. Sharifirad S and Matwin S 2018 proposed a well-defined category of sexism including indirect harassment, information threat, sexual harassment and physical harassment, inspired from social science for the purpose of natural language processing techniques. In this article, we take advantage of a newly released dataset in SemEval-2018 task1: Affect in tweets, to show the type of emotion and intensity of emotion in each category. We train, test and evaluate different classification methods on the SemEval- 2018 dataset and choose the classifier with highest accuracy for testing on each category of sexist tweets to know the mental state and the affectual state of the user who tweets in each category. It is a nice avenue to explore because not all the tweets are directly sexist and they carry different emotions from the users. This is the first work experimenting on affect detection this in depth on sexist tweets. Based on our best knowledge they are all new contributions to the field; we are the first to demonstrate the power of such in-depth sentiment analysis on the sexist tweets.

研究の動機と目的

• 差別的つぶやいを投稿するユーザーの感情状態を調査し、差別的発言の二値分類にとどまらない。
• 性別に基づくオンラインコンテンツにおける感情の種類と強度を検出するNLPモデルの開発と評価。
• さまざまな種類の差別（例：敵意的 vs. 間接的）が、固有の感情プロファイルに関連しているかどうかを調査。
• 特に差別的文脈において、オンライン差別的発言における感情状態のより細分化された理解を提供。
• ソーシャルメディアにおける差別的コンテンツをよりよく同定・対応できる感情認識型検出システムの基盤を構築。

提案手法

• つぶやきにおける感情検出に、SemEval-2018 Task 1: Affect in Tweetsデータセットを活用。
• 感情の種類（例：怒り、恐怖、喜び）と強度（低、中、高）を同定するため、複数の分類モデルを訓練・評価。
• 1つのつぶやきに複数の感情が存在する複雑な感情状態を捉えるために、マルチラベル分類フレームワークを適用。
• 検出された感情を、4つの定義済みの差別のカテゴリ（間接的いじめ、情報的脅し、性的いじめ、身体的いじめ）にマッピング。
• 各差別のつぶやきのカテゴリにおける下流分析のため、正答率に基づいて最高性能の分類器を選定。
• 統計的および定性的分析を用いて、感情プロファイルと特定の差別の表現形態の関連を解明。

実験結果

リサーチクエスチョン

• RQ1 異なるカテゴリにおける差別的つぶやきで最も一般的に表現される感情の種類は何か？
• RQ2 さまざまな形態の差別的コンテンツにおける感情の強度はどのように変化するか？
• RQ3 特定の種類の差別的行動（例：間接的 vs. 身体的いじめ）と関連する明確な感情プロファイルは存在するか？
• RQ4 NLPモデルは、差別の的ソーシャルメディアコンテンツにおける感情の種類と強度を効果的に検出できるか？
• RQ5 露わな敵意的差別的コンテンツを投稿するユーザーと、より洗練された形での差別的表現を行うユーザーとの間で、感情状態にどのような差が生じるか？

主な発見

• 差別のつぶやきのカテゴリごとに明確な感情プロファイルが関連しており、すべての差別的コンテンツが同じ感情状態から生じるわけではないことが示された。
• 差別のつぶやきで最も一般的に見られた感情は怒りと恐怖であり、その強度は差別のの形態によって異なる。
• 身体的いじめと分類されたつぶやきは、特に怒りと恐怖の感情が最も強い強度を示した。
• 間接的いじめと情報的脅しのカテゴリは、中程度から高い感情の強度を示しており、戦略的または脅しの意図がある可能性を示唆している。
• 最高性能の分類器は、感情の種類と強度の検出において高い正答率を達成し、差別の的コンテンツにおける細分化された感情検出の可能性を裏付けた。
• 本研究は、感情認識型NLPモデルが、差別的オンライン行動における洗練された心理的パターンを解明できることを示しており、コンテンツモデレーションや干渉の分野における新たな知見を提供している。