[論文レビュー] On voting intentions inference from Twitter content: a case study on UK 2010 General Election

Vasileios Lampos|arXiv (Cornell University)|Apr 2, 2012

Sentiment Analysis and Opinion Mining参考文献 17被引用数 15

ひとこと要約

本研究では、2010年英国総選挙期におけるTwitterの投稿内容を用いて、感情分析と教師ありモデリングを用いて投票意思を推定する手法を提案する。意味的解釈を向上させるために、ツイートに類義語を追加することで、平均絶対誤差4.34% ± 2.13%を達成し、与党・労働党・自由民主党それぞれの世論調査の割合を統計的に有意に予測することに成功した。

ABSTRACT

This is a report, where preliminary work regarding the topic of voting intention inference from Social Media - such as Twitter - is presented. Our case study is the UK 2010 General Election and we are focusing on predicting the percentages of voting intention polls (conducted by YouGov) for the three major political parties - Conservatives, Labours and Liberal Democrats - during a 5-month period before the election date (May 6, 2010). We form three methodologies for extracting positive or negative sentiment from tweets, which build on each other, and then propose two supervised models for turning sentiment into voting intention percentages. Interestingly, when the content of tweets is enriched by attaching synonymous words, a significant improvement on inference performance is achieved reaching a mean absolute error of 4.34% +/- 2.13%; in that case, the predictions are also shown to be statistically significant. The presented methods should be considered as work-in-progress; limitations and suggestions for future work appear in the final section of this script.

研究の動機と目的

• Twitterの投稿内容が現実の投票意思傾向のトレンドを推定できるかどうかを調査すること。
• 政治的予測に向けた非公式なソーシャルメディアテキストにおける感情分析手法の有効性を評価すること。
• 意味的表現を強化するために類義語を組み込むことで、感情推定を改善すること。
• Twitterデータを用いて、英国主要政党の公式世論調査の割合をモデル化・予測すること。
• 提案された推定手法の統計的有意性と頑健性を評価すること。

提案手法

• 3つの感情抽出手法を開発した：SnPOS（品詞タギングなし）、SPOS（品詞タギングあり）、SPOSW（類義語拡張あり）。
• 各政党固有のキーワード（例：政党名、主要政治家）を用いて、5か月間（2010年1月〜5月）の関連ツイートを抽出した。
• SentiWordNet 3.0を用いて語に感情スコアを割り当て、語形の変化に対応するためポーターのアルゴリズムを用いて語形の標準化を実施した。
• 感情スコアの割り当てをより精緻にするために、スタンフォードの品詞タガッターを用いて品詞タギングを実施した。
• SPOSWでは、各ツイートの語彙的コンテンツを意味的に関連する語に拡張することで、信号検出を向上させた。
• 2つの教師ありモデルが、感情スコアを予測された投票意思割合に変換し、基準としてYouGovが公表した世論調査データを用いた。

実験結果

リサーチクエスチョン

• RQ1 Twitterの感情は、国家的な投票意思傾向のトレンドを信頼性を持って推定できるか？
• RQ2 類義語の拡張を組み込むことで、ソーシャルメディアからの投票意思推定の精度は向上するか？
• RQ3 品詞タギングを考慮する感情分析手法は、そうでない手法よりも優れた性能を示すか？
• RQ4 予測された投票意思割合の統計的有意性は、実際の世論調査と比較してどうか？
• RQ5 平均絶対誤差（MAE）の観点から、異なる感情抽出手法はどのように比較できるか？

主な発見

• 類義語をツイートに拡張するSPOSW手法が、平均絶対誤差4.34% ± 2.13%という最低水準を達成した。
• この性能は統計的に有意であり、モデルが公式の世論調査トレンドを信頼性を持って予測できることを示している。
• SnPOSおよびSPOS手法は性能が低く、統計的に有意ではなかった。
• 類義語の拡張を組み込むことで、推定精度が顕著に向上した。これは、意味的解釈の強化がツイート内の政治的信号を強化することを示唆している。
• しきい値処理は一部のケースで性能向上をもたらしたが、一貫性に欠け、普遍的には有益ではない可能性がある。
• 結果から、ソーシャルメディアのコンテンツは、意味的豊かさを高めることで、政治的意見の信号を効果的に捉えうることが示唆された。