[논문 리뷰] Detecting Topic and Sentiment Dynamics Due to COVID-19 Pandemic Using Social Media

Hui Yin, Shuiqiao Yang외 1명|arXiv (Cornell University)|2020. 07. 05.

Misinformation and Its Impacts참고 문헌 25인용 수 14

한 줄 요약

이 연구는 2020년 4월 동안 1,300만 건의 트위터 트윗을 사용하여 코로나19 팬데믹 초기 단계 동안 전 세계 주제 및 정서 변화를 추적하는 동적 주제 모델링 및 정서 분석 프레임워크를 제안한다. 동적 주제 모델(DTM)과 VADER 정서 분석을 결합함으로써, 전반적으로는 긍정적인 정서가 지배하고 있음이 드러났지만, '집에 머무르기'와 같은 주제는 강한 긍정성을 보였고, '사람 사망'과 같은 주제는 끊임없이 부정적인 정서를 지닌 것으로 나타나 주제별 정서 역학이 뚜렷하게 드러났다.

ABSTRACT

The outbreak of the novel Coronavirus Disease (COVID-19) has greatly influenced people's daily lives across the globe. Emergent measures and policies (e.g., lockdown, social distancing) have been taken by governments to combat this highly infectious disease. However, people's mental health is also at risk due to the long-time strict social isolation rules. Hence, monitoring people's mental health across various events and topics will be extremely necessary for policy makers to make the appropriate decisions. On the other hand, social media have been widely used as an outlet for people to publish and share their personal opinions and feelings. The large scale social media posts (e.g., tweets) provide an ideal data source to infer the mental health for people during this pandemic period. In this work, we propose a novel framework to analyze the topic and sentiment dynamics due to COVID-19 from the massive social media posts. Based on a collection of 13 million tweets related to COVID-19 over two weeks, we found that the positive sentiment shows higher ratio than the negative sentiment during the study period. When zooming into the topic-level analysis, we find that different aspects of COVID-19 have been constantly discussed and show comparable sentiment polarities. Some topics like ``stay safe home" are dominated with positive sentiment. The others such as ``people death" are consistently showing negative sentiment. Overall, the proposed framework shows insightful findings based on the analysis of the topic-level sentiment dynamics.

연구 동기 및 목표

• 소셜 미디어 데이터를 활용하여 코로나19 팬데믹과 관련된 실시간 주제 및 정서 역학을 모니터링하기 위해.
• 다양한 팬데믹 관련 주제에 대한 대중 정서의 변화 양상을 이해하기 위해.
• 공중보건 위기 동안 정서적으로 민감한 주제와 정서 변화를 식별하여 정책 입안자들에게 지원하기 위해.
• 대규모 소셜 미디어 데이터에서 동적 주제 및 정서 분석을 위한 확장 가능한 프레임워크를 개발하기 위해.

제안 방법

• 2020년 4월 1일부터 4월 14일까지 트위터에서 코로나19 관련 13,746,822건의 트윗을 수집하였다.
• 트윗 코퍼스에서 매일 변화하는 주제를 발견하기 위해 동적 주제 모델(DTM)을 적용하였다.
• 트윗 및 주제 수준에서 정서 극성 분류를 위해 VADER 정서 어휘를 사용하였다.
• 주제를 발생 빈도 순으로 순위 매기고, 상위 주제에 대한 정서 추세를 시간에 따라 분석하였다.
• 시간적 시리즈 차트와 워드 클라우드를 사용하여 주제의 진화 및 정서 역학을 시각화하였다.
• 다양한 주제 군집 간의 주제 일관성과 정서 분포를 평가하였다.

실험 결과

연구 질문

• RQ1 코로나19 팬데믹 초기 단계에서 대중 정서는 어떻게 동적으로 변화하는가?
• RQ2 소셜 미디어에서 코로나19 관련으로 가장 자주 다뤄지는 주제는 무엇인가?
• RQ3 팬데믹 동안 주제들은 어떻게 시간이 지남에 따라 변화하는가?
• RQ4 다양한 팬데믹 관련 주제들 간에 정서 극성은 어떻게 다름이 있는가?

주요 결과

• 연구 기간 동안 1,300만 건의 트윗에서 전반적인 정서는 부정적 정서보다 긍정적 정서 비율이 더 높았다.
• 주제 11번은 '집에 머무르기'와 자가 격리와 관련되어 있으며, 일관되게 높은 긍정적 정서를 보였고, 이는 보호 조치에 대한 대중의 지지를 반영한다.
• 주제 49번은 사례 보고 및 공식 데이터와 관련되어 있으며, 주로 부정적 정서를 보였고, 사례 수 증가에 대한 대중의 불안을 반영한다.
• 주제 64번은 코로나19로 인한 사망에 초점이 맞춰져 있으며, 끊임없이 높은 수준의 부정적 정서를 유지하여, 사망에 대한 대중의 분노 또는 슬픔을 반영한다.
• 상위 3개 주제인 11, 49, 64번은 두 주일 동안 매일 상위 10개 토론에 포함되어 지속적인 대중의 우려를 보여주었다.
• 전반적인 긍정성에도 불구하고 정서는 주제에 따라 크게 달라졌으며, '사람 사망'과 '사례 보고'는 강한 부정적 정서를 보였고, '집에 머무르기'는 널리 긍정적으로 인식되었다.