[논문 리뷰] Automated Analysis of Topic-Actor Networks on Twitter: New approach to the analysis of socio-semantic networks

Iina Hellsten, Loet Leydesdorff|arXiv (Cornell University)|2017. 11. 22.

Computational and Text Analysis Methods참고 문헌 29인용 수 11

한 줄 요약

이 논문은 공동 등장 빈도 행렬을 통해 주체와 주제를 동시에 모델링함으로써 트위터 상의 사회적 의미 네트워크를 행렬 기반의 자동화된 방법으로 분석하는 방법을 제안한다. 이 방법은 대규모 트위터 데이터(리우+20에 대한 72,077개의 영어 트윗과 다큐멘터리에서의 2,139개의 네덜란드어 트윗)를 분석하는 데서 효과를 입증하였으며, 기존의 방법과 비교해 사회적 요소와 의미적 요소를 더 잘 통합하여 주제-주체 간 상호작용의 구조적 패턴을 드러낸다.

ABSTRACT

Social-media data provides increasing opportunities for automated analysis of large sets of textual documents. So far, automated tools have been developed to account for either the social networks between the participants of the debates, or to analyze the content of those debates. Less attention has been paid to mapping co-occurring actors (participants) and topics (content) in online debates that form socio-semantic networks. We propose a new, automated approach that uses a whole matrix approach of co-addressed topics and the actors. We show the advantages of the new approach with the analysis of a large set of English-language Twitter messages at the Rio+20 meeting, in June 2012 (72,077 tweets), and a smaller data set of Dutch-language Twitter messages on bird flu related to poultry farming in 2015-2017 (2,139 tweets). We discuss the theoretical, methodological and substantive implications of our approach, also for the analysis of other social-media data.

연구 동기 및 목표

• 소셜 미디어에서 사회적 상호작용과 콘텐츠 주제를 통합하는 자동 분석 기법의 부족을 보완하기 위해.
• 온라인 논의에서 주체와 주제를 동시에 모델링할 수 있는 방법을 개발하여, 사회적 네트워크나 콘텐츠를 별도로 분석하는 데서 비롯하는 한계를 피하기 위해.
• 대규모 트위터 데이터의 자동 분석을 가능하게 하여 특정 주제와 관련된 주체들의 참여 방식에 대한 구조적 패턴을 밝혀내기 위해.
• 다양한 도메인과 언어에서의 실제 데이터셋을 대상으로 이 방법의 성능과 이론적 유용성을 평가하기 위해.
• 온라인 공적 논의에서의 사회적 의미적 역학을 연구하기 위한 새로운 분석 프레임워크를 제공하기 위해.

제안 방법

• 이 방법은 데이터셋 내 모든 트윗에서 주체와 주제 간의 공동 등장 빈도를 촬영하는 전체 행렬 접근법을 사용한다.
• 행은 주체를, 열은 주제를 나타내는 이원분할 공동 등장 빈도 행렬을 구성하며, 셀의 값은 함께 나타난 빈도를 나타낸다.
• 네트워크 과학 및 문헌학적 결합 기법을 사용하여 주제-주체 관계의 구조적 패턴을 분석한다.
• 이 방법은 두 데이터셋에 적용된다: 리우+20 회의에서의 72,077개의 영어 트윗과 구제역에 관한 담소 농업 분야에서의 2,139개의 네덜란드어 트윗.
• 이 방법은 주제별 핵심 주체와 주자별 주요 주제를 자동으로 식별할 수 있으며, 사회적 의미 네트워크의 매핑을 가능하게 한다.
• 디지털 도서관 및 사회적 네트워크 분석 도구를 활용하여 중심성과 군집화 측면에서 행렬 분석 결과를 해석한다.

실험 결과

연구 질문

• RQ1 어떻게 주체와 주제의 공동 등장 빈도를 통합함으로써 트위터 데이터로부터 사회적 의미 네트워크를 자동으로 모델링할 수 있는가?
• RQ2 전체 행렬 접근법을 통해 분석했을 때 주제-주체 네트워크에서 드러나는 구조적 패턴은 무엇인가?
• RQ3 제안된 방법은 사회적 네트워크나 콘텐츠를 별도로 분석하는 전통적 방법과 비교해 어떻게 다른가?
• RQ4 이 방법을 사용하여 환경 정책 및 보건 정책 논의에 대한 대규모 트위터 데이터에서 도출할 수 있는 통찰은 무엇인가?
• RQ5 이 방법은 온라인 공적 논의에서 주제의 변화에 따라 주체의 참여 역학을 어느 정도 드러낼 수 있는가?

주요 결과

• 행렬 기반 접근법은 사회적 의미 네트워크에서 주체와 주제 간의 상호작용을 성공적으로 캡처하여 특정 주제에 참여하는 주체의 군집을 드러낸다.
• 리우+20 데이터셋에서는 '지속 가능한 발전'과 '기후 변화'와 같은 핵심 주제와 주요 주체들이 공동 등장 패턴을 통해 드러났다.
• 구제역 데이터셋에서는 농민과 보건 관계자와 같은 특정 주체들이 '접종'과 '유행병 통제'와 같은 특정 주제와 연결되어 있음을 밝혀냈다.
• 이 방법은 다양한 크기와 언어의 데이터에서 뛰어난 내재성과 안정성을 보였으며, 대규모 및 소규모 데이터셋 모두에서 해석 가능하고 의미 있는 네트워크 구조를 생성했다.
• 공동 등장 빈도 행렬을 통한 사회적 요소와 의미적 요소의 통합은 개별적으로 분석하는 것보다 더 깊은 통찰을 제공했다.
• 이 방법은 핵심 주체와 핵심 주제를 식별할 수 있었으며, 온라인 공적 논의의 구조를 체계적으로 매핑할 수 있는 방법을 제공했다.