[論文レビュー] Identifying Biased Users in Online Social Networks to Enhance the Accuracy of Sentiment Analysis: A User Behavior-Based Approach

Amin Mahmoudi|arXiv (Cornell University)|May 12, 2021

Digital Marketing and Social Media参考文献 30被引用数 5

ひとこと要約

本論文では、オンラインソーシャルネットワークにおける一貫して肯定的または否定的なユーザー（バイアスありユーザー）を特定する、ユーザー行動に基づくニューラルネットワーク分類器を提案する。テキストコンテンツに依存せず、心理的行動パターンを検出することで、感情分析の精度を向上させる。3つのデータセットでそれぞれ89%、67%、81%の精度を達成し、行動信号のみで感情バイアスを効果的に予測できることを示している。

ABSTRACT

The development of an automatic way to extract user opinions about products, movies, and foods from online social network (OSN) interactions is among the main interests of sentiment analysis and opinion mining studies. Existing approaches in the sentiment analysis domain mostly do not discriminate the sentences of different types of users, even though some users are always negative and some are always positive. Thus, finding a way to identify these two types of user is significant because their attitudes can change the analysis of user reviews of businesses and products. Due to the complexity of natural language processing, pure text mining methods may lead to misunderstandings about the exact nature of the sentiments expressed in review text. In this study, we propose a neural network classifier to predict the presence of biased users on the basis of users' psychological behaviors. The identification of the psychological behaviors of users allows us to find overly positive and overly negative users and to categorize these users' attitudes regardless of the content of their review texts. The experiment result indicates that the biased users can be predicted based on user behavior at an accuracy rate of 89%, 67% and 81% for three different datasets.

研究の動機と目的

• バイアスありユーザーが全体の感情傾向を歪めるため、オンラインソーシャルネットワークにおける感情分析の課題に対処すること。
• コンテンツとは無関係に一貫して極端な感情を持つユーザーを考慮しない既存の感情分析手法の限界を認識すること。
• テキストの感情に依存せず、心理的行動を分析することでバイアスありユーザーを特定する手法を開発すること。
• ユーザーのバイアスプロファイルに基づいてレビューをフィルタリングまたは重み付けすることで、感情分析の精度を向上させること。
• 製品、映画、サービスの信頼性の高い意見マイニングを実現するため、ソーシャルメディアデータにおけるユーザーのバイアスを特定・補正すること。

提案手法

• オンラインソーシャルネットワークの相互作用から抽出したユーザー行動特徴に基づいてトレーニングされたニューラルネットワーク分類器を用いる。
• 投稿頻度、関与パターン、時間的傾向における感情の一貫性といった心理的行動をモデル化する。
• テキストコンテンツに依存しない行動信号を抽出することで、誤解を招く可能性のある言語的手がかりに依存しなくなるようにする。
• 一貫して肯定的、一貫して否定的、または中立的な感情傾向を持つユーザーを区別できるように分類器をトレーニングする。
• 行動の系列を入力特徴として用い、ユーザーが極端な感情に偏っているかどうかを予測する。
• 実世界のデータセットにモデルを適用し、テキストベースの感情分析に依存せずにバイアスありユーザーの検出能力を評価する。

実験結果

リサーチクエスチョン

• RQ1 オンラインソーシャルネットワークにおけるユーザー行動パターンは、テキストコンテンツを分析せずに、バイアスのある感情傾向を信頼性を持って予測できるか？
• RQ2 ニューラルネットワーク分類器は、一貫して極端に肯定的または否定的なレビューを投稿するユーザーをどの程度正確に特定できるか？
• RQ3 行動特徴は、テキストベースの感情分析に比べて、バイアスありユーザーの検出においてどの程度優れているか？
• RQ4 異なるデータセットは、感情分析における行動ベースのバイアス検出の性能にどのように影響を与えるか？
• RQ5 心理的行動パターンを用いることで、ソーシャルメディアにおける感情分析全体の精度を向上させることができるか？

主な発見

• 提案手法は、1つのデータセットでバイアスありユーザーの識別に89%の精度を達成した。
• 2番目のデータセットでは67%の検出精度を達成し、異なるユーザー集団における変動性が示された。
• 3番目のデータセットでは81%の精度を達成し、多様なソーシャルネットワーク環境でも一貫した性能を示した。
• 結果から、テキストを検査せずに行動パターンのみで感情バイアスを効果的に予測できることが確認された。
• 極端なユーザーが感情分析の結果を歪めるリスクを低減した。
• ユーザーのバイアスが感情傾向に著しく影響を与える状況では、ニューラルネットワーク分類器がテキストのみの感情分析を上回る性能を示した。