[論文レビュー] What a Nasty day: Exploring Mood-Weather Relationship from Twitter

Jiwei Li, Xun Wang+1 more|arXiv (Cornell University)|Oct 30, 2014

Climate Change Communication and Perception参考文献 44被引用数 17

ひとこと要約

本研究は、2年間のTwitterデータセットと洗練された機械学習パイプラインを用いて、感情表現を明示的に特定するとともに、公共の出来事や交絡要因によるノイズを除外することで、気象と気分の関係を調査した。その結果、高温は怒りを増加させ、雪は抑うつと関連しており、全体的な天候状況が多次元的な気分状態に顕著な影響を与えることが確認された。本研究は、従来の心理的アンケート調査とは対照的にスケーラブルな代替手法を提供する。

ABSTRACT

While it has long been believed in psychology that weather somehow influences human's mood, the debates have been going on for decades about how they are correlated. In this paper, we try to study this long-lasting topic by harnessing a new source of data compared from traditional psychological researches: Twitter. We analyze 2 years' twitter data collected by twitter API which amounts to $10\%$ of all postings and try to reveal the correlations between multiple dimensional structure of human mood with meteorological effects. Some of our findings confirm existing hypotheses, while others contradict them. We are hopeful that our approach, along with the new data source, can shed on the long-going debates on weather-mood correlation.

研究の動機と目的

• 大規模かつリアルタイムのソーシャルメディアデータを用いて、気象状態と多次元的かつ人間の気分の相関関係を調査すること。
• 従来の心理的アンケート調査の限界（小規模なサンプルサイズ、高コスト、個人のバイアスへの感受性）を克服するため、Twitterの広大で継続的なユーザー生成コンテンツを活用すること。
• 公共の出来事や言語的曖昧さなどの非気分関連要因を除外しながら、明示的な気分表現を特定する強固な機械学習パイプラインを開発すること。
• 気温、降水量、気圧などの天候変数が、怒り、悲しみ、喜びといった集団的気分の変化と相関しているかどうかを検証すること。
• 長年の気候-気分関係の議論に、従来の主観的またはアンケートベースの知見を超えた、実証的でスケーラブルなデータ駆動型の手法を貢献すること。

提案手法

• Twitter APIを介して収集された2年間のTwitterデータセット（全ツイートの10％）を用い、地理的タグが付与されたメッセージに焦点を当て、気分と地域の天候状況を関連づけた。
• 明示的な気分表現を検出するための機械学習パイプラインを開発し、一般的な表現や否定文（例：「幸せではない」）など、真の感情状態とは異なるものを区別した。
• 怒り、悲しみ、喜びなどを含む多次元的な感情状態を特定できるように、感情分析および気分分類モデルを訓練した。
• マイケル・ジャクソンの死やハイチ地震などの公共の出来事が、気分信号に歪みをもたらすのを防ぐために、統計的制御を実装した。
• 気温、湿度、気圧などの天候変数間に多重共線性が生じるのを緩和し、モデルの頑健性を向上させるために、交互作用項を含む回帰モデルを採用した。
• devianceの説明率（44.2％）を用いてモデルの性能を評価し、混合モデルベースライン（30.8％）と比較することで、より良好な適合と信頼性が確認された。

実験結果

リサーチクエスチョン

• RQ1 高温は、Twitterユーザーにおける怒りの表現を増加させるか？
• RQ2 降雪や寒冷な天候は、ソーシャルメディア投稿における悲しみや抑うつ的感情の上昇と関連しているか？
• RQ3 日差しや気圧などの特定の天候状態が、集団的気分における肯定的または否定的感情と有意に相関しているか？
• RQ4 公共の出来事や天候以外の要因が、ソーシャルメディアデータにおける気分-天候関係を歪める程度はどの程度か？
• RQ5 機械学習パイプラインは、Twitterデータにおける言語的ノイズや一般的な表現から、真の気分表現を効果的に分離できるか？

主な発見

• 高温は怒りの表現の増加と顕著に相関しており、高温による攻撃的行動に関する長年の仮説が裏付けられた。
• 降雪は悲しみや抑うつ的感情の上昇と関連しており、冬の天候と季節性情動障害の関連を支持する証拠が得られた。
• モデルは気分変動のdevianceの44.2％を説明し、ベースラインの混合モデル（30.8％）を上回った。これは、強い統計的適合性と信頼性を示している。
• 大気汚染や出来事に起因する気分の変動といった課題にもかかわらず、集約的分析により天候に起因する気分パターンが効果的に分離された。
• 気温、降水量、気圧といった天候変数が、Twitter上で表現される集団的気分に測定可能な多次元的影響を与えることが確認された。
• 従来の心理的研究で得られた矛盾する結果は、Twitterデータの規模とリアルタイム性のおかげで部分的に解消された。これは、個人バイアスの低減と統計的パワーの向上をもたらした。