[논문 리뷰] Global Reactions to COVID-19 on Twitter: A Labelled Dataset with Latent Topic, Sentiment and Emotion Attributes

Gupta Rk, Ajay Vishwanath외 1명|arXiv (Cornell University)|2021. 02. 16.

Misinformation and Its Impacts참고 문헌 17인용 수 13

한 줄 요약

이 논문은 2020년 1월부터 2021년 1월까지 132만 건의 트위터 트윗을 대상으로 한 대규모 다중 속성 레이블링 데이터셋을 소개한다. 자연어 처리(NLP) 및 사전 학습된 모델을 활용해 각 트윗에 대해 17개의 잠재 속성(10개의 이진 주제 관련성 레이블, 5개의 감정 강도 점수(공포, 분노, 슬픔, 기쁨, 정서 밸런스), 2개의 정성적 정서 및 감정 카테고리)를 주석 처리한다. 이 데이터셋은 패닉 기간 동안의 글로벌 감정 및 정서의 시간적 변화를 포착함으로써 공중보건, 심리학 및 커뮤니케이션 분야의 교차학문적 연구를 가능하게 한다.

ABSTRACT

This paper presents a large, labelled dataset on people's responses and expressions related to the COVID-19 pandemic over the Twitter platform. From 28 January 2020 to 1 Jan 2021, we retrieved over 132 million public Twitter posts (i.e., tweets) from more than 20 million unique users using four keywords: corona, wuhan, nCov and covid. Leveraging natural language processing techniques and pre-trained machine learning-based emotion analytic algorithms, we labelled each tweet with seventeen latent semantic attributes, including a) ten binary attributes indicating the tweet's relevance or irrelevance to the top ten detected topics, b) five quantitative emotion intensity attributes indicating the degree of intensity of the valence or sentiment (from extremely negative to extremely positive), and the degree of intensity of fear, of anger, of sadness and of joy emotions (from barely noticeable to extremely high intensity), and c) two qualitative attributes indicating the sentiment category and the dominant emotion category the tweet is mainly expressing. We report the descriptive statistics around the topic, sentiment and emotion attributes, and their temporal distributions, and discuss the dataset's possible usage in communication, psychology, public health, economics, and epidemiology research.

연구 동기 및 목표

• 소셜 미디어에서 코로나19 팬데믹에 대한 대중의 정서 및 감정 반응을 포괄적이고 대규모로 캡처하는 종합적인 데이터셋을 구축하기 위해.
• 주제 관련성, 정서 강도, 감정 카테고리를 동시에 다루는 공개 가능한 다중 레이블링 데이터셋의 부족을 해결하기 위해.
• 시간에 따라 해소되는, 의미적으로 풍부한 트윗 주석을 제공함으로써 커뮤니케이션, 심리학, 공중보건, 역학 분야의 다학제적 연구를 가능하게 하기 위해.
• 대규모 실시간 소셜 미디어 데이터에서 복잡한 정서적 및 의미적 속성을 자동으로 레이블링하기 위해 사전 학습된 NLP 모델을 활용하기 위해.

제안 방법

• 2020년 1월 28일부터 2021년 1월 1일까지 총 132만 건의 공개 트위터 트윗을 수집하였으며, 이는 코로나, 우한, nCov, 코비드 등 4개의 키워드를 사용하여 수집하였다.
• 자연어 처리(NLP) 기법을 적용하여 의미 주제를 추출하고 분류하여, 팬데믹 관련 주제 10개에 대한 관련성을 식별하였다.
• 사전 학습된 기계 학습 기반 감정 분석 알고리즘을 활용하여 공포, 분노, 슬픔, 기쁨, 정서 밸런스 등 5개의 핵심 감정 강도를 '미약함'에서 '극도로 높음'까지의 척도로 정량화하였다.
• 각 트윗에 대해 두 가지 정성적 레이블을 할당하였다: 주된 정서 카테고리(긍정, 부정, 중립)와 주된 감정 카테고리.
• 주제 모델링과 미세 조정된 감정 분류 모델을 조합한 하이브리드 접근 방식을 통해 데이터셋 전반에 걸쳐 일관성과 확장성을 확보하였다.
• 공개 토론의 시간적 동역학을 특성화하기 위해 주제, 정서, 감정 속성의 기술통계 및 시간 분포를 생성하였다.

실험 결과

연구 질문

• RQ1 코로나19 팬데믹과 관련된 대중의 정서 및 감정 표현은 다양한 주제별로 어떻게 변화하며, 시간이 지남에 따라 어떻게 변화하는가?
• RQ2 팬데믹 초기 단계 동안 글로벌 트위터 토론에서 공포, 분노, 슬픔, 기쁨의 분포와 강도는 어떻게 되는가?
• RQ3 정서 및 감정 속성은 봉쇄, 백신, 확진자 수와 같은 특정 팬데믹 관련 주제와 어떻게 상관관계가 있는가?
• RQ4 사전 학습된 NLP 모델이 실시간 소셜 미디어 데이터에서 대규모로 복잡한 정서적 및 의미적 속성을 정확하게 레이블링할 수 있는 정도는 어느 정도인가?
• RQ5 이 다중 속성 데이터셋은 공중보건, 심리학, 커뮤니케이션 분야의 다학제적 연구를 어떻게 지원할 수 있는가?

주요 결과

• 이 데이터셋은 팬데믹 초기 단계 동안 12개월 동안 수집된 2000만 명 이상의 고유 사용자로부터 132만 건의 트윗을 포함하고 있다.
• 주제 관련성 레이블은 확진자 수, 정부 대응, 건강 조언과 관련된 트윗이 가장 자주 논의된 주제로 나타났다.
• 감정 강도 점수는 확진자 수 증가 및 봉쇄 발표 기간 동안 공포와 슬픔이 높은 수준임을 드러냈다.
• 정서 밸런스는 시간이 지남에 따라 부정적에서 더 중립적인 정서로의 전환을 보이며, 공개 토론의 변화를 반영하고 있다.
• 주된 감정 카테고리는 '공포'가 가장 자주 나타났고, 그 다음으로 '슬픔', '분노'가 뒤이었다. 이는 팬데믹 관련 불확실성에 대한 강한 정서적 반응을 나타낸다.
• 시간적 분석은 감정 강도와 주제 관련성이 팬데믹 정점과 정책 변화와 같은 글로벌 사건에 따라 변동함을 보여주었다.