[論文レビュー] Predicting election trends with Twitter: Hillary Clinton versus Donald Trump.

Alexandre Bovet, Flaviano Morone+1 more|arXiv (Cornell University)|Oct 5, 2016

Opinion Dynamics and Social Influence参考文献 40被引用数 12

ひとこと要約

本研究では、2016年米国大統領選挙期におけるTwitterユーザーの政治的傾向を推定するために、ネットワーク解析、自然言語処理、機械学習を組み合わせたハイブリッド手法を開発した。7300万件のツイートを用いて、ニューヨーク・タイムズの世論調査平均と相関係数0.9を示す全国的世論動向を予測し、6〜15日前に先んじて予測を実施した。これにより、Twitterが全国的世論の変化をリアルタイムかつ低コストで早期に検知できる可能性を示した。

ABSTRACT

Forecasting opinion trends from real-time social media is the long-standing goal of modern-day big-data analytics. Despite its importance, there has been no conclusive scientific evidence so far that social media activity can capture the opinion of the general population at large. Here we develop analytic tools combining statistical physics of complex networks, percolation theory, natural language processing and machine learning classification to infer the opinion of Twitter users regarding the candidates of the 2016 US Presidential Election. Using a large-scale dataset of 73 million tweets collected from June 1st to September 1st 2016, we investigate the temporal social networks formed by the interactions among millions of Twitter users. We infer the support of each user to the presidential candidates and show that the resulting Twitter trends follow the New York Times National Polling Average, which represents an aggregate of hundreds of independent traditional polls, with remarkable accuracy (r=0.9). More importantly, the Twitter opinion trend forecasts the aggregated NYT polls by 6 to 15 days, showing that Twitter can be an early warning signal of global opinion trends at the national level. Our analytics [available at kcorelab.com] unleash the power of Twitter to predict social trends from elections, brands to political movements, and at a fraction of the cost of national polls.

研究の動機と目的

• 2016年米国大統領選挙期におけるリアルタイムのTwitter活動が、全国的世論動向を信頼性を持って反映できるかどうかを検証すること。
• ソーシャルメディアの相互作用から個々のユーザーの政治的候補支持を推定するスケーラブルな手法を開発すること。
• Twitterを用いた世論動向が、従来の方法よりも早期に、伝統的世論調査平均を予測できるかどうかを検証すること。
• 社会的メディア分析の予測能力を、確立された高精度の世論調査データと照合して検証すること。

提案手法

• 2016年6月1日から9月1日までに収集された7300万件のツイートから、時間的変化を考慮した社会的ネットワークを構築する。
• 恒常的理論を適用して、影響力のあるユーザー集団を同定し、ユーザー単位での候補者支持を推定する。
• 自然言語処理を用いて、ツイート本文から感情および候補者名の言及を抽出する。
• ネットワーク構造と言語的特徴を機械学習分類手法で統合し、ユーザーの好みを予測する。
• 個々のユーザーの予測結果を統合し、マクロレベルの世論動向を生成し、NYT National Polling Averageと比較する。
• Twitterの動向と伝統的世論調査平均との相関とリードタイムを測定することで、予測の正確性を検証する。

実験結果

リサーチクエスチョン

• RQ1 Twitterユーザーの相互作用と言語パターンは、信頼性を持って全国的世論動向を反映できるか？
• RQ2 Twitterを用いた予測は、どの程度、伝統的世論調査平均を早期に予測できるか？
• RQ3 Twitterから導かれた世論動向は、集計済みのニューヨーク・タイムズ世論調査平均とどの程度正確か？
• RQ4 Twitterベースの予測は、伝統的世論調査データに対してどの程度のリードタイムを有するか？
• RQ5 ソーシャルメディア分析は、大規模な全国的世論調査の代替手段としてコスト効率が良いか？

主な発見

• Twitterベースの世論動向は、ニューヨーク・タイムズのNational Polling Averageと相関係数r = 0.9を示し、伝統的世論調査データと強い整合性を示した。
• Twitterの動向は、NYT世論調査平均を6〜15日前に予測でき、早期警告の可能性を示した。
• ネットワーク構造と言語的分析の組み合わせにより、個々のユーザーの候補者支持を効果的に推定できた。
• 観察期間全体にわたり予測の正確性が維持されており、時間経過に伴う頑健性が確認された。
• 従来の全国的世論調査手法と比較して、費用の僅か数パーセントで高い予測精度を達成した。
• 結果として、ソーシャルメディアデータが、民主的選挙における全国的世論動向の信頼性の高いリアルタイム代替指標として機能できることを検証した。