[論文レビュー] Measuring Cultural Relativity of Emotional Valence and Arousal using Semantic Clustering and Twitter

Eugene Yuta Bann, Joanna J. Bryson|arXiv (Cornell University)|Apr 28, 2013

Advanced Text Analysis Techniques参考文献 21被引用数 4

ひとこと要約

本研究では、英語圏のTwitterデータを用いて、ヨーロッパ、北アメリカ、アジアにおける感情の価値と覚醒度の文化的差を測定する。同じ感情キーワードがヨーロッパではより肯定的かつ覚醒度が高いと認識され、北アメリカではより否定的であり、アジアではより肯定的だが覚醒度が低いと判明した。これは、次元的感情モデルにおける感情の意味が文化的相対的であることを示している。

ABSTRACT

Researchers since at least Darwin have debated whether and to what extent emotions are universal or culture-dependent. However, previous studies have primarily focused on facial expressions and on a limited set of emotions. Given that emotions have a substantial impact on human lives, evidence for cultural emotional relativity might be derived by applying distributional semantics techniques to a text corpus of self-reported behaviour. Here, we explore this idea by measuring the valence and arousal of the twelve most popular emotion keywords expressed on the micro-blogging site Twitter. We do this in three geographical regions: Europe, Asia and North America. We demonstrate that in our sample, the valence and arousal levels of the same emotion keywords differ significantly with respect to these geographical regions --- Europeans are, or at least present themselves as more positive and aroused, North Americans are more negative and Asians appear to be more positive but less aroused when compared to global valence and arousal levels of the same emotion keywords. Our work is the first in kind to programatically map large text corpora to a dimensional model of affect.

研究の動機と目的

• 感情の価値と覚醒度—感情の主要次元—が自己報告された言語において文化的相対的であるかどうかを調査すること。
• 大規模かつ現実世界のテキストデータ（Twitter）を用いて分布的意味論的手法を適用し、感情の文化的概念的把握を推定すること。
• 同じ感情キーワード（例：'happy'、'depressed'）が、異なる地理的・文化的地域において価値と覚醒度の観点で異なって認識されるかどうかを検証すること。
• オンラインテキストコーパスをコアな感情モデルにマッピングする計算フレームワークを構築し、文化的な感情分析を可能にすること。
• 『驚き』や『悲しむ』といった感情が、普遍的であるか、文化的に概念化されるかの程度を評価すること。

提案手法

• 本研究では、12個の一般的な感情キーワードを含むツイートにおける意味的パターンを分析するために、顕在的意味クラスタリング（LSC）を用いる。
• 感情状態を定量化するために、2次元のコアな感情モデル（価値：肯定／否定、覚醒度：高／低）を適用する。
• 地理タグが付与されたツイートに基づき、コーパスをヨーロッパ、北アメリカ、アジアの地域別サブコーパスに分割する。
• 地域クラスタをグローバルベースラインと比較するために、ランダムサンプリングを用いてコントロールグループを生成する。
• 円形空間における各感情の重心がグローバル中心から離れる距離を計算し、文化的な乖離度を測定する。
• 分布的意味論を用いて感情固有の意味クラスタを生成し、その位置を地域別に価値－覚醒度空間で分析する。

実験結果

リサーチクエスチョン

• RQ1 同じ感情キーワードが、異なる文化的地域においてどれほど価値と覚醒度の認識が異なるか。
• RQ2 特定の感情が他の感情と比較して、概念的把握においてより文化的に変動するものがあるか。
• RQ3 地域ごとの感情の意味的差が、グローバルベースラインまたはコントロールグループと比較してどのように異なるか。
• RQ4 Twitterのような大規模かつリアルタイムのテキストデータを用いて、文化的に特化した感情的プロファイルを推定できるか。
• RQ5 『驚き』や『うつ』といった特定の感情が、感情の意味において文化的により顕著に乖離しているか。

主な発見

• ヨーロッパ人は、北アメリカやグローバル平均と比較して、特に『happy』や『calm』に関して、感情をより肯定的かつ覚醒度が高いと表現している。
• アジア人は、『happy』や『calm』を北アメリカと比較して、より肯定的だが覚醒度が低いと認識しており、感情表現における文化的な特徴が顕著に現れている。
• 『depressed』という感情は、他のどの地域よりもアジアでより否定的と認識されており、感情評価における文化的差が示されている。
• 『sad』や『stressed』という感情は、文化間で最も一貫性のある概念的把握を示しており、その感情的意味が相対的に普遍的であることを示している。
• 『surprised』という感情は、価値と覚醒度の両面で最も文化的に変動が大きく、最も顕著な文化的な概念的差異を示している。
• 『ashamed』という感情は、1つのコントロールグループで外れ値のパターンを示したが、これはデータの偏りによる可能性があるが、トレンドではなく例外にとどまっている。