[論文レビュー] Sentiment-enhanced multidimensional analysis of online social networks: perception of the mediterranean refugees crisis

Mauro Coletto, Andrea Esuli+5 more|arXiv (Cornell University)|Aug 18, 2016

Opinion Dynamics and Social Influence参考文献 16被引用数 17

ひとこと要約

本稿では、地中海難民危機に関するTwitter議論を分析するための感情強化型多次元フレームワークを提案する。時間的・空間的・感情的次元を統合することで、特にイギリスで顕著なネガティブな感情パターンを明らかにし、一般的な偏見と意見のダイナミクスをマッピングすることで、分極化した社会的現象を理解するうえで本フレームワークの有効性を示している。

ABSTRACT

We propose an analytical framework able to investigate discussions about polarized topics in online social networks from many different angles. The framework supports the analysis of social networks along several dimensions: time, space and sentiment. We show that the proposed analytical framework and the methodology can be used to mine knowledge about the perception of complex social phenomena. We selected the refugee crisis discussions over Twitter as a case study. This difficult and controversial topic is an increasingly important issue for the EU. The raw stream of tweets is enriched with space information (user and mentioned locations), and sentiment (positive vs. negative) w.r.t. refugees. Our study shows differences in positive and negative sentiment in EU countries, in particular in UK, and by matching events, locations and perception, it underlines opinion dynamics and common prejudices regarding the refugees.

研究の動機と目的

• オンラインソーシャルネットワークにおける分極化した社会的トピックを分析するための多次元的分析フレームワークの構築を目的とする。
• Twitter上での難民危機に関する世論形成に、感情、位置、時間の三つの要因がどのように相互に作用するかを調査することを目的とする。
• 特にイギリスを含むEU諸国における難民に対する感情の国別差を特定することを目的とする。
• 具体的な出来事、地理的場所、感情の変化をリアルタイムの議論と照合することで、意見のダイナミクスをマッピングすることを目的とする。
• 感情に配慮したネットワーク分析を通じて、公共議論に根ざした一般的なステレオタイプやバイアスを同定することを目的とする。

提案手法

• 関連キーワードおよびハッシュタグを用いて、地中海難民危機に関連するリアルタイムのTwitterストリームを収集する。
• ユーザーが提供した場所情報や本文に記載された場所を抽出することで、ツイートに地理的位置情報を付与する。
• 感情分析モデルを適用し、各ツイートを難民に対する肯定的または否定的と分類する。
• 感情、時間的、空間的次元を統合し、多次元可視化と探索を可能にする統一された分析フレームワークを構築する。
• 出来事ベースの相関分析を用い、特定の報道イベントや危機が感情の変化や地理的分布に与える影響を関連付ける。
• 空間クラスタリングと感情トレンド分析を適用し、EU諸国における地域的パターンと世論の変化を検出する。

実験結果

リサーチクエスチョン

• RQ1 難民に対する感情パターンは、特にイギリスを含むEU諸国間でどのように異なるか？
• RQ2 主要な難民関連の出来事とTwitter上での世論の変化の関係は何か？
• RQ3 ユーザー自身の場所や言及された場所と、難民関連議論における肯定的・否定的感情の相関関係は何か？
• RQ4 オンライン議論における感情パターンから、どのような一般的な偏見やステレオタイプが浮き彫りになるか？
• RQ5 時間、空間、感情の三次元的分析によって、分極化した社会的議論における動的な意見構造をどの程度明らかにできるか？

主な発見

• イギリスでは、他のEU諸国に比べて難民に対する否定的感情が著しく高い水準にあり、これが明確な国家的認識の差を示している。
• 感情パターンは、大規模な到着や政治的決定といった主要な難民関連出来事と明確に相関しており、出来事に伴う意見の変化が生じていることが示された。
• 空間的分析から、南ヨーロッパおよび東ヨーロッパ諸国では議論がやや中立的または肯定的であるのに対し、北ヨーロッパおよび西ヨーロッパ諸国、特にイギリスでは否定的感情のクラスタが顕著に見られた。
• 本フレームワークは、オンライン議論に繰り返し現れるステレオタイプを効果的に同定した。特に、難民と安全保障上の脅威や経済的負担を結びつけるような認識が、否定的感情が強い地域で顕著に見られた。
• 時間的分析から、主要な報道サイクルに続いて感情の揺れが生じることが判明し、これは反応的な世論の変化が一貫した傾向とは異なることを示唆している。
• 感情を時間的・空間的次元と統合することで、地域ごとの認識クラスターや時間的経過に伴う動的な意見の進化を検出可能となった。