[論文レビュー] Why Are You More Engaged? Predicting Social Engagement from Word Use

Jalal Mahmud, Jilin Chen+1 more|arXiv (Cornell University)|Feb 26, 2014

Topic Modeling参考文献 18被引用数 13

ひとこと要約

この論文は、ツイッターの投稿における語の使用が、返信やリツイートといったソーシャルエンゲージメントを予測する方法を調査している。感情のトーン、認知的処理、社会的焦点といった心理言語的特徴を分析することで、ツイート内の言語的パターンにのみ依存してユーザーのエンゲージメントを予測するモデルを構築し、妥当な精度を達成した。

ABSTRACT

We present a study to analyze how word use can predict social engagement behaviors such as replies and retweets in Twitter. We compute psycholinguistic category scores from word usage, and investigate how people with different scores exhibited different reply and retweet behaviors on Twitter. We also found psycholinguistic categories that show significant correlations with such social engagement behaviors. In addition, we have built predictive models of replies and retweets from such psycholinguistic category based features. Our experiments using a real world dataset collected from Twitter validates that such predictions can be done with reasonable accuracy.

研究の動機と目的

• ツイート内の言語的パターンが、返信やリツイートといったソーシャルエンゲージメント行動とどのように相関しているかを理解すること。
• ソーシャルメディアでのエンゲージメントを顕著に予測する、特定の心理言語的カテゴリーの語の使用を同定すること。
• ユーザー生成コンテンツから抽出した言語的特徴を用いて、ソーシャルエンゲージメントの予測モデルを開発すること。
• 実データを用いて、心理言語的特徴がツイッターにおける現実世界のエンゲージメントを予測する有効性を検証すること。

提案手法

• 感情のトーン、認知的処理、社会的焦点などのカテゴリーにおいて、既存の心理言語的辞書を用いてツイッターのメッセージから言語的特徴を抽出し、スコアを算出する。
• 各ツイートの語の使用を、感情の値、覚醒度、意味的複雑さを含む標準化された心理言語的カテゴリーにマッピングする。
• ロジスティック回帰とサポートベクターマシンを含む機械学習モデルを、これらの心理言語的特徴に基づいて訓練し、返信率およびリツイート率を予測する。
• 公開ソースから収集した実世界のツイッター投稿データセットを用いて、モデルの訓練と評価を行う。
• エンゲージメントの結果を予測する上で最も予測能の高い心理言語的カテゴリーを特定するために、特徴選択手法を適用する。
• 正解率、適合率、受検者操作特性曲線下の面積（AUC）といった標準的な指標を用いて、モデルのパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 どの心理言語的カテゴリーの語の使用が、ツイッターにおける高いソーシャルエンゲージメントと最も強く相関しているか？
• RQ2 語の使用から導かれる言語的特徴は、ツイートがより多くの返信やリツイートを得るかどうかを予測できるか？
• RQ3 感情のトーンや認知的複雑さといった言語の異なる次元は、ユーザーのエンゲージメントにどのように影響するか？
• RQ4 心理言語的特徴のみを用いて、妥当な精度でソーシャルエンゲージメントを予測できる程度はどの程度か？
• RQ5 特に高いエンゲージメントを示すツイートとそうでないツイートを区別する、特定の言語的パターンは存在するか？

主な発見

• ポジティブな感情、認知的処理、社会的焦点といった心理言語的カテゴリーは、リツイートおよび返信の増加と顕著な相関を示した。
• ツイートからの言語的特徴のみを用いても、リツイートおよび返信の予測において中程度から高い予測精度を達成した。
• 感情のトーン、特にポジティブな感情は、エンゲージメントの予測において強力な予測要因であり、特にリツイートにおいて顕著だった。
• 認知的処理の特徴（思考や内省を示す語の使用など）は、返信率の上昇と顕著に相関していた。
• 社会的焦点を示す指標（「私達」や「私たち」などの代名詞の使用など）は、エンゲージメントの増加と関連しており、共有されたアイデンティティやグループ志向が相互作用を促進している可能性を示唆している。
• メッセージの長さやユーザーの活動レベルを制御した後でも、言語的特徴の予測力は依然として有意であった。