[論文レビュー] Sentiment Analysis of Typhoon Related Tweets using Standard and Bidirectional Recurrent Neural Networks

Joseph Marvin Imperial, Jeyrome Orosco+2 more|arXiv (Cornell University)|Aug 3, 2019

Public Relations and Crisis Communication参考文献 1被引用数 6

ひとこと要約

本研究では、2013–2014年の期間にフィリピンで発生した台風関連のツイート39,867件を分析するために、標準的および双方向性再帰ニューラルネットワーク（RNN）を適用した。双方向性RNNを用いた二値感情分類では87.69%の正確性を達成し、ツイートの51.1%が肯定的感情、19.8%が否定的、29%が中立的であることが判明した。これは、災害発生時における一般市民の感情反応を示している。

ABSTRACT

The Philippines is a common ground to natural calamities like typhoons, floods, volcanic eruptions and earthquakes. With Twitter as one of the most used social media platform in the Philippines, a total of 39,867 preprocessed tweets were obtained given a time frame starting from November 1, 2013 to January 31, 2014. Sentiment analysis determines the underlying emotion given a series of words. The main purpose of this study is to identify the sentiments expressed in the tweets sent by the Filipino people before, during, and after Typhoon Yolanda using two variations of Recurrent Neural Networks; standard and bidirectional. The best generated models after training with various hyperparameters achieved a high accuracy of 81.79% for fine-grained classification using standard RNN and 87.69% for binary classification using bidirectional RNN. Findings revealed that 51.1% of the tweets sent were positive expressing support, love, and words of courage to the victims; 19.8% were negative stating sadness and despair for the loss of lives and hate for corrupt officials; while the other 29% were neutral tweets from local news stations, announcements of relief operations, donation drives, and observations by citizens.

研究の動機と目的

• ソーシャルメディアデータを用いて、台風ヨランド発生時および発生後の一般の感情を調査すること。
• 災害関連ツイートの感情分類において、標準的RNNと双方向性RNNの性能を比較すること。
• 主要な台風発生時における、Twitter上での一般論議の感情的トーンを理解すること。
• 災害対応および通信計画立案のための、一般感情動態に関する知見を提供すること。

提案手法

• 台風ヨランドの影響を受ける期間である2013年11月1日から2014年1月31日までの間、収集された39,867件のツイートの前処理。
• テキストデータのシーケンスモデリングに、標準的および双方向性再帰ニューラルネットワーク（RNN）の適用。
• 感情分類性能の最適化を図るため、さまざまなハイパーパrameterを用いてモデルの学習。
• 感情表現の評価に、細分化された分類と二値分類の両方のスキームを活用。
• 保持されたテストセットを用いた標準的メトリクスによるモデル正確性の評価。

実験結果

リサーチクエスチョン

• RQ1 標準的RNNと双方向性RNNは、台風関連ツイートの感情分類においてどのように比較されるか？
• RQ2 台風ヨランド発生時および発生後、一般のツイートにおける肯定的、否定的、中立的感情の分布はいかなるものか？
• RQ3 台風発生のタイムラインに沿って、一般感情はどのように変化するか？
• RQ4 RNNベースのモデルは、短い、非公式なソーシャルメディアテキストにおける感情的トーンをどの程度正確に検出できるか？

主な発見

• 双方向性RNNは、二値感情分類において87.69%の最高正確性を達成し、標準的RNNを上回った。
• 標準的RNNは、細分化された感情分類において81.79%の正確性を達成した。
• 分析対象のツイートの51.1%が肯定的感情を示しており、被災者への愛や支援、励ましの言葉が含まれていた。
• 19.8%のツイートが否定的感情を伝え、主に命の喪失に伴う悲しみや、腐敗した公務員への怒りが反映されていた。
• 29%のツイートが中立的であり、ニュース更新、救援活動の発表、市民の観察記録が含まれていた。
• 結果から、災害発生時における短いソーシャルメディアテキストの文脈的感情を捉えるために、双方向性RNNの有効性が示された。