[논문 리뷰] Measuring Cultural Relativity of Emotional Valence and Arousal using Semantic Clustering and Twitter

Eugene Yuta Bann, Joanna J. Bryson|arXiv (Cornell University)|2013. 04. 28.

Advanced Text Analysis Techniques참고 문헌 21인용 수 4

한 줄 요약

이 연구는 영어 트위터 데이터에 대한 의미적 군집 분석을 통해 유럽, 북미, 아시아에서 정서의 평가 및 자극도의 문화적 차이를 측정한다. 연구 결과, 같은 정서 키워드도 유럽에서는 더 긍정적이고 자극도가 높게, 북미에서는 더 부정적으로, 아시아에서는 더 긍정적이나 자극도가 낮게 인식되는 것으로 나타났다. 이는 차원적 정서 모델에서 정서의 의미가 문화적으로 상대적임을 보여준다.

ABSTRACT

Researchers since at least Darwin have debated whether and to what extent emotions are universal or culture-dependent. However, previous studies have primarily focused on facial expressions and on a limited set of emotions. Given that emotions have a substantial impact on human lives, evidence for cultural emotional relativity might be derived by applying distributional semantics techniques to a text corpus of self-reported behaviour. Here, we explore this idea by measuring the valence and arousal of the twelve most popular emotion keywords expressed on the micro-blogging site Twitter. We do this in three geographical regions: Europe, Asia and North America. We demonstrate that in our sample, the valence and arousal levels of the same emotion keywords differ significantly with respect to these geographical regions --- Europeans are, or at least present themselves as more positive and aroused, North Americans are more negative and Asians appear to be more positive but less aroused when compared to global valence and arousal levels of the same emotion keywords. Our work is the first in kind to programatically map large text corpora to a dimensional model of affect.

연구 동기 및 목표

• 자기 보고된 언어에서 정서의 평가 및 자극도—정서의 핵심 차원이 문화적으로 상대적인지 조사하는 것.
• 대규모 실세계 텍스트 데이터(트위터)에 분포적 의미 기법을 적용하여 정서에 대한 문화적 개념화를 추론하는 것.
• 같은 정서 키워드(예: 'happy', 'depressed')가 서로 다른 지리적 및 문화적 지역에서 평가 및 자극도 측면에서 어떻게 다르게 인식되는지 테스트하는 것.
• 온라인 텍스트 코퍼스를 핵심 정서 모델에 매핑하는 계산 기반 프레임워크를 개발하여 다문화 정서 분석을 가능하게 하는 것.
• 행복, 슬픔 등의 정서가 보편적으로 혹은 문화적으로 개념화되는 정도를 평가하는 것.

제안 방법

• 이 연구는 12개의 일반적인 정서 키워드를 포함한 트윗의 의미 패턴을 분석하기 위해 잠재의미군집(Latent Semantic Clustering, LSC)을 사용한다.
• 정서 상태를 정량화하기 위해 두 차원(긍정/부정, 높음/낮음)의 핵심 정서 모델을 적용한다.
• 지리적 태그가 부여된 트윗을 기반으로 코퍼스를 유럽, 북미, 아시아의 지역별 하위코퍼스로 분할한다.
• 지역 군집를 글로벌 기준선과 비교하기 위해 무작위 샘플링을 활용해 대조군을 생성한다.
• 각 정서의 중심점이 원형 공간에서 글로벌 중심에서 떨어진 거리를 계산하여 문화적 이탈 정도를 측정한다.
• 분포적 의미 기법을 사용해 정서별 의미 군집를 생성하고, 이들이 평가-자극도 공간에서 지역 간에 어떻게 위치하는지 분석한다.

실험 결과

연구 질문

• RQ1 동일한 정서 키워드가 다양한 문화 지역에서 평가 및 자극도 측면에서 얼마나 다를까?
• RQ2 특정 정서가 다른 정서보다 개념화 측면에서 더 문화적으로 변동성이 큰가?
• RQ3 정서 의미의 지역적 차이가 글로벌 기준선이나 대조군과 비교해 어떻게 나타나는가?
• RQ4 대규모 실시간 텍스트 데이터인 트위터를 활용해 문화별 정서 프로파일을 유추할 수 있는가?
• RQ5 '놀라움'이나 '우울'과 같은 특정 정서가 정서 의미 측면에서 더 큰 문화적 이질성을 보이는가?

주요 결과

• 유럽인들은 북미인들과 글로벌 평균보다 '행복'과 '평온'에 대해 더 긍정적이고 자극도가 높게 표현한다.
• 아시아인들은 '행복'과 '평온'을 북미보다 더 긍정적으로 인식하지만 자극도는 낮게 평가하여 정서 표현에 특별한 문화적 프로파일을 보인다.
• '우울'이라는 정서는 아시아에서 다른 어떤 지역보다 더 부정적으로 평가되며, 이는 정서 평가의 문화적 차이를 시사한다.
• '슬픔'과 '스트레스'는 문화 간에 가장 일관된 개념화를 보이며, 이들의 정서 의미는 상대적으로 보편적임을 나타낸다.
• '놀라움'이라는 정서는 평가 및 자극도 측면에서 가장 높은 문화적 변동성을 보이며, 이는 가장 다를 수 있는 다문화적 개념화를 의미한다.
• '부끄러움'이라는 정서는 한 개의 대조군에서 이질적인 패턴을 보였지만, 이는 데이터 왜곡 가능성으로 인한 것이며, 일반적인 추세는 아니며 예외에 가깝다.