[논문 리뷰] Good Friends, Bad News - Affect and Virality in Twitter

Lars Kai Hansen, Adam Arvidsson외 3명|arXiv (Cornell University)|2011. 01. 03.

Opinion Dynamics and Social Influence참고 문헌 19인용 수 22

한 줄 요약

이 연구는 트위터에서 정서와 확산성 간의 관계를 조사하며, 뉴스인지 아닌지를 구분하기 위해 나이브 베이즈 분류기를 사용한다. 연구 결과, 뉴스 관련 트윗에서는 부정적 정서가 재트윗을 증가시키는 것으로 나타났는데, 이는 비뉴스 맥락에서 관찰되는 긍정적 정서 효과와는 정반대이다. 이는 이중 메커니즘을 드러내는데, 친구들 사이에서는 긍정적인 콘텐츠를 공유하고, 공개적으로는 악성 뉴스를 확산시켜 영향력을 극대화하는 것이다.

ABSTRACT

The link between affect, defined as the capacity for sentimental arousal on the part of a message, and virality, defined as the probability that it be sent along, is of significant theoretical and practical importance, e.g. for viral marketing. A quantitative study of emailing of articles from the NY Times finds a strong link between positive affect and virality, and, based on psychological theories it is concluded that this relation is universally valid. The conclusion appears to be in contrast with classic theory of diffusion in news media emphasizing negative affect as promoting propagation. In this paper we explore the apparent paradox in a quantitative analysis of information diffusion on Twitter. Twitter is interesting in this context as it has been shown to present both the characteristics social and news media. The basic measure of virality in Twitter is the probability of retweet. Twitter is different from email in that retweeting does not depend on pre-existing social relations, but often occur among strangers, thus in this respect Twitter may be more similar to traditional news media. We therefore hypothesize that negative news content is more likely to be retweeted, while for non-news tweets positive sentiments support virality. To test the hypothesis we analyze three corpora: A complete sample of tweets about the COP15 climate summit, a random sample of tweets, and a general text corpus including news. The latter allows us to train a classifier that can distinguish tweets that carry news and non-news information. We present evidence that negative sentiment enhances virality in the news segment, but not in the non-news segment. We conclude that the relation between affect and virality is more complex than expected based on the findings of Berger and Milkman (2010), in short 'if you want to be cited: Sweet talk your friends or serve bad news to the public'.

연구 동기 및 목표

• 정서(긍정적 대비 부정적 정서)가 트위터에서 재트윗 행동에 미치는 영향을 조사하는 것.
• 이메일 기반 연구에서 관찰된 긍정적 정서-확산성 연관성(Berger & Milkman, 2010)이 트위터와 같은 소셜 미디어로 일반화되는지 검토하는 것.
• 사회적 맥락에서 긍정적 정서가 확산을 촉진하는 데 반해 뉴스 미디어 이론에서는 부정적 정서가 뉴스 유포를 이끄는 것으로 보이는 명백한 역설을 해결하는 것.
• 짧은 포맷의 소셜 미디어 텍스트에서 뉴스성의 여부를 식별하기 위한 분류기 개발 및 검증

제안 방법

• 브라운 코퍼스를 기반으로 나이브 베이즈 분류기를 훈련하여 텍스트에서 뉴스성 여부를 탐지, 84%의 정확도를 기록.
• 훈련된 분류기를 두 개의 트위터 데이터셋에 적용: 무작위 샘플 및 COP15 기후 정상회담 데이터셋.
• 일반선형모형을 사용하여 정서(긍정/부정)가 재트윗 확률에 미치는 영향을 뉴스성 여부를 통제한 조건에서 테스트.
• 부정적 정서와 뉴스성 확률 간의 상호작용 항목을 생성하여 조건부 효과 평가.
• 정서적 영향을 분리하기 위해 각성도가 0이 아닌 트윗(즉, 정서적으로 강한 내용)으로 분석을 제한.
• 두 가지 서로 다른 트위터 코퍼스를 통해 정서가 확산성에 미치는 맥락에 따라 달라지는 영향을 평가하기 위해 발견 결과를 검증.

실험 결과

연구 질문

• RQ1 기계학습 분류기가 짧은 트위터 텍스트에서 뉴스성 여부를 신뢰성 있게 탐지할 수 있는가?
• RQ2 일반 트위터 트래픽에서 부정적 정서는 재트윗을 감소시키는가, 증가시키는가?
• RQ3 클래식한 뉴스 미디어 이론이 예측한 바와 같이, 뉴스 관련 트윗에서 부정적 정서는 재트윗을 증가시키는가?
• RQ4 정서와 뉴스성 간의 상호작용은 트위터에서의 확산성에 어떻게 영향을 미치는가?

주요 결과

• 나이브 베이즈 분류기는 짧은 텍스트에서 뉴스성 여부 탐지에 84%의 정확도를 기록하여 트위터 콘텐츠에서 신뢰할 수 있는 뉴스 탐지가 가능하다는 것을 입증했다.
• 무작위 샘플에서 약 23%의 트윗이 뉴스성으로 분류되었으며, COP15 기후 정상회담 관련 트윗에서는 31%로 증가했다.
• 무작위 샘플에서는 부정적 정서가 재트윗에 약간의 부정적 영향을 미쳤지만 통계적으로 유의미하지 않았고, 반면 긍정적 정서는 확산성의 강력한 예측 변수였다.
• COP15 샘플에서는 부정적 정서가 재트윗 확률을 유의미하게 증가시켰으며, 특히 정서적으로 자극적인 콘텐츠에서 두드러졌다.
• 두 데이터셋 모두에서 부정적 정서와 뉴스성 간의 상호작용은 재트윗 확률의 유의미한 예측 변수였으며, 이는 부정적 뉴스가 더 넓게 퍼진다는 것을 확인했다.
• 소셜 미디어 공유(긍정적 정서 선호)와 뉴스 미디어(부정적 정서 선호) 간의 역설을 해소하였으며, 확산성의 메커니즘이 맥락에 따라 달라진다는 것을 보여주었다.