[論文レビュー] Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions

Hui Yin, Xiangyu Song+2 more|arXiv (Cornell University)|Oct 8, 2021

Misinformation and Its Impacts被引用数 9

ひとこと要約

本研究では、2020年12月から2021年7月にかけてのCOVID-19ワクチンに関する75,665件のTwitter投稿を自然言語処理技術を用いて分析し、感情分析およびLDAベースのトピックモデリングを実施した。その結果、一般の感情は主に肯定的であり、大多数のユーザーがワクチンの有効性に自信を示し、接種に対して感謝の意を示している一方、否定的感情は主に副反応、ワクチン不足、接種後の死亡事例に集中していることが明らかになった。

ABSTRACT

The outbreak of the novel Coronavirus Disease 2019 (COVID-19) has lasted for nearly two years and caused unprecedented impacts on people's daily life around the world. Even worse, the emergence of the COVID-19 Delta variant once again puts the world in danger. Fortunately, many countries and companies have started to develop coronavirus vaccines since the beginning of this disaster. Till now, more than 20 vaccines have been approved by the World Health Organization (WHO), bringing light to people besieged by the pandemic. The promotion of COVID-19 vaccination around the world also brings a lot of discussions on social media about different aspects of vaccines, such as efficacy and security. However, there does not exist much research work to systematically analyze public opinion towards COVID-19 vaccines. In this study, we conduct an in-depth analysis of tweets related to the coronavirus vaccine on Twitter to understand the trending topics and their corresponding sentimental polarities regarding the country and vaccine levels. The results show that a majority of people are confident in the effectiveness of vaccines and are willing to get vaccinated. In contrast, the negative tweets are often associated with the complaints of vaccine shortages, side effects after injections and possible death after being vaccinated. Overall, this study exploits popular NLP and topic modeling methods to mine people's opinions on the COVID-19 vaccines on social media and to analyse and visualise them objectively. Our findings can improve the readability of the noisy information on social media and provide effective data support for the government and policy makers.

研究の動機と目的

• COVID-19ワクチンの初期導入段階におけるSNS上での一般の感情および主な議論トピックを理解すること。
• 米国、英国、カナダ、インドなどの高発信量国における感情およびトピックの国別差を特定すること。
• ワクチン接種へのためらいや誤情報への対応を支援するため、意思決定者や公衆衛生担当者にデータドリブンの知見を提供すること。
• ノイズの多いSNSデータから行動可能な一般世論を抽出するためのNLPおよびトピックモデリングの有効性を評価すること。

提案手法

• 2020年12月12日から2021年7月2日までの間、7つの主要なCOVID-19ワクチンに関連する位置情報が付加された75,665件のツイートを収集した。
• 各ツイートの肯定的・否定的・中立的極性を特定するために、事前学習済みのBERTベースのモデルを微調整して感情分類を実施した。
• 11の最適なトピックを特定するために、一貫性スコア最適化を伴う潜在ディリクレ割り当て（LDA）を用いたトピックモデリングを実施した。
• 米国、英国、カナダ、インドにおける国別感情およびトピック分析を実施し、公衆の認識の違いを比較した。
• 解釈可能性を高めるために、時系列チャートおよびワードクラウドを用いて感情の傾向とトピックの出現頻度を可視化した。
• 肯定的および否定的ツイートクラスタにおける感情およびテーマ的焦点を解釈するために、各トピックの代表語を分類した。

実験結果

リサーチクエスチョン

• RQ1 初期導入段階におけるTwitter上でのCOVID-19ワクチンに対する感情極性は全体的にどうなっているか？
• RQ2 国別およびワクチンブランド別に、感情の傾向と支配的トピックはどのように変化しているか？
• RQ3 否定的ツイートで最も頻繁に取り上げられている懸念事項は何か？
• RQ4 肯定的感情は、パンデミックの制御や通常生活への回復への期待とどのように関連しているか？
• RQ5 副反応、不足、死亡事例に関する公衆の懸念が、全体の感情にどの程度影響を与えているか？

主な発見

• Twitter上でのCOVID-19ワクチンに対する全体的な感情は肯定的が強く、否定的ツイートの約2倍の数が肯定的ツイートであった。
• 肯定的ツイートでは、接種への感謝、パンデミックの制御への希望、通常生活への回復への期待が最も多く議論された。
• 否定的感情は、主にワクチン不足への不満、接種後の副反応（例：発熱、注射部位の痛み）への懸念、接種後の死亡報告に起因していた。
• Sputnik VおよびSinovacは、米国およびカナダで他のワクチンと比較して否定的感情がやや高かったことから、ブランド特有の接種へのためらいが見られた。
• 全体として肯定的であったが、一部の国では特定のワクチンに対して否定的傾向が強く、地域およびブランドレベルでの公衆の信頼に差が生じていることが示された。
• トピックモデリングにより11の明確なテーマが特定され、LDAは感情のトーンと議論のテーマ的焦点の両方を的確に捉えていた。