[논문 리뷰] A sentiment analysis of Singapore Presidential Election 2011 using Twitter data with census correction

Murphy Choy, Michelle L. F. Cheong외 2명|arXiv (Cornell University)|2011. 08. 29.

Sentiment Analysis and Opinion Mining참고 문헌 15인용 수 86

한 줄 요약

이 논문은 싱가포르 2011년 대선을 예측하기 위해 트위터 데이터를 활용한 감성 분석 방법을 제안하며, 국가 인구 조사 기반 재가중 기법을 통해 표본 편향을 보정한다. 재가중된 감성 점수는 원시 트위터 감성 점수보다 예측 정확도가 뚜렷이 향상됨을 보여주며, 익명의 온라인 사용자로부터 유래한 내재된 편향에도 불구하고 사회적 미디어를 정치 예측에 활용하는 데 실용적인 접근법을 제공한다.

ABSTRACT

Sentiment analysis is a new area in text analytics where it focuses on the analysis and understanding of the emotions from the text patterns. This new form of analysis has been widely adopted in customer relation management especially in the context of complaint management. With increasing level of interest in this technology, more and more companies are adopting it and using it to champion their marketing efforts. However, sentiment analysis using twitter has remained extremely difficult to manage due to the sampling bias. In this paper, we will discuss about the application of using reweighting techniques in conjunction with online sentiment divisions to predict the vote percentage that individual candidate will receive. There will be in depth discussion about the various aspects using sentiment analysis to predict outcomes as well as the potential pitfalls in the estimation due to the anonymous nature of the internet.

연구 동기 및 목표

• 싱가포르 2011년 대선에서 실제 선거 결과를 예측하기 위해 트위터 감성 분석의 가능성을 탐구한다.
• 비대칭적인 사용자 인구통계로 인해 발생하는 트위터 데이터의 내재된 표본 편향 문제를 해결한다.
• 국가 인구 조사 기반 재가중 기법을 적용하여 감성 점수를 실제 유권자 구성과 더 잘 일치하도록 조정한다.
• 실제 민주적 환경에서 온라인 감성 분석이 정치 예측 도구로 얼마나 효과적인지 평가한다.

제안 방법

• 저자들은 2011년 싱가포르 대선 캠페인 기간 동안 트위터 데이터를 수집한다.
• 사전 정의된 어휘집을 사용해 트윗의 감성을 긍정, 부정, 중립으로 분류하는 감성 분석을 수행한다.
• 국가 인구 조사 데이터를 활용해 트위터 사용자 인구 통계의 균형을 잡기 위한 재가중 기법을 적용한다.
• 재가중된 감성 점수를 집계하고 실제 투표 비율과 상관관계를 분석하여 예측 능력을 평가한다.
• 원시 감성 비율과 인구 조사 기반 보정된 감성 비율을 비교하여 예측 정확도 향상 여부를 평가한다.
• 통계 모델링을 통해 보정된 감성 추세와 실제 선거 결과 간의 관계를 검증한다.

실험 결과

연구 질문

• RQ1 트위터 감성은 국가 선거에서 실제 공공 여론을 어느 정도 정확하게 반영할 수 있는가?
• RQ2 트위터 사용자 인구통계의 인구 구성 편향은 감성 기반 예측의 신뢰성에 어떤 영향을 미치는가?
• RQ3 국가 인구 조사 기반 재가중 기법이 감성 기반 투표 비율 추정의 정확도를 뚜렷이 향상시킬 수 있는가?
• RQ4 대선 캠페인 기간 동안 재가중된 감성 추세는 실제 투표 비율 추세와 어떻게 비교되는가?

주요 결과

• 국가 인구 조사 기반 재가중 기법을 통해 트위터 감성과 실제 선거 결과 간의 일치도가 원시 감성 점수보다 뚜렷이 향상되었다.
• 보정된 감성 분석은 보정되지 않은 감성보다 최종 투표 비율과 더 강한 상관관계를 보였으며, 이는 편향이 감소했음을 시사한다.
• 연구에서는 트위터 사용자가 균형 잡히지 않은 채로 젊고 도시 거주자이며 영어를 사용하는 경향이 있어 특정 인구 집단이 과도하게 반영된다는 점을 발견했다.
• 한계가 존재하지만, 재가중된 감성 모델은 실제 투표 분포를 합리적으로 근사할 수 있었으며, 정치 예측에 유용할 가능성을 시사한다.