[논문 리뷰] Sentiment-enhanced multidimensional analysis of online social networks: perception of the mediterranean refugees crisis

Mauro Coletto, Andrea Esuli외 5명|arXiv (Cornell University)|2016. 08. 18.

Opinion Dynamics and Social Influence참고 문헌 16인용 수 17

한 줄 요약

이 논문은 지속적, 공간적, 정서적 차원을 통합하여 메디터레일라니안 난민 위기 논의를 분석하기 위한 정서 강화 다차원 프레임워크를 제안한다. 트윗에 지리적 위치와 정서 레이블을 부여함으로써, 특히 영국에서의 부정적 정서가 두드러지는 국가별 정서 패턴을 드러내며, 일반적인 편견과 의견 역학을 맵핑함으로써 이 프레임워크가 극단화된 사회적 현상을 이해하는 데 유용함을 입증한다.

ABSTRACT

We propose an analytical framework able to investigate discussions about polarized topics in online social networks from many different angles. The framework supports the analysis of social networks along several dimensions: time, space and sentiment. We show that the proposed analytical framework and the methodology can be used to mine knowledge about the perception of complex social phenomena. We selected the refugee crisis discussions over Twitter as a case study. This difficult and controversial topic is an increasingly important issue for the EU. The raw stream of tweets is enriched with space information (user and mentioned locations), and sentiment (positive vs. negative) w.r.t. refugees. Our study shows differences in positive and negative sentiment in EU countries, in particular in UK, and by matching events, locations and perception, it underlines opinion dynamics and common prejudices regarding the refugees.

연구 동기 및 목표

• 온라인 소셜 네트워크에서 극단화된 사회적 주제를 연구하기 위한 다차원 분석 프레임워크를 개발하기 위해.
• 트위터에서 난민 위기의 공중 인식을 형성하는 데 정서, 위치, 시간이 어떻게 상호작용하는지 조사하기 위해.
• 특히 영국을 포함한 유럽연합 회원국 간 난민에 대한 정서적 차이를 규명하기 위해.
• 실시간 논의에서 특정 사건, 지리적 위치, 정서 변화를 정렬함으로써 의견 역학을 맵핑하기 위해.
• 정서 인지 네트워크 분석을 통해 공적 논의에서 빈번하게 나타나는 고정관념과 편견을 밝혀내기 위해.

제안 방법

• 관련 关련 키워드와 해시태그를 사용하여 메디터레일라니안 난민 위기 관련 실시간 트위터 스트림을 수집하기 위해.
• 사용자가 제공한 위치 및 텍스트 내 언급된 위치를 추출하여 트윗에 지리적 위치 데이터를 부여하기 위해.
• 각 트윗을 난민에 대해 긍정 또는 부정으로 분류하기 위해 정서 분석 모델을 적용하기 위해.
• 정서, 시간, 공간 차원을 통합하여 다차원 시각화 및 탐색이 가능한 통합 분석 프레임워크를 구축하기 위해.
• 사건 기반 상관관계를 적용하여 특정 뉴스 이벤트 또는 위기 상황이 정서 변화 및 지리적 분포에 미치는 영향을 연결하기 위해.
• 공간 클러스터링 및 정서 추세 분석을 적용하여 유럽연합 국가 간 지역적 패턴과 공중 인식 변화를 탐지하기 위해.

실험 결과

연구 질문

• RQ1 특히 영국을 중심으로, 난민에 대한 정서 패턴이 다양한 EU 국가 간로 어떻게 다름을 보이나?
• RQ2 주요 난민 관련 사건과 트위터에서의 공중 정서 변화 사이의 관계는 무엇인가?
• RQ3 사용자 위치 및 언급된 위치와 난민 관련 논의에서의 긍정 또는 부정 정서 간 상관관계는 무엇인가?
• RQ4 온라인 논의에서 정서 패턴을 통해 드러나는 일반적인 편견이나 고정관념은 무엇인가?
• RQ5 시간, 공간, 정서의 다차원 분석이 극단화된 사회적 논의에서의 동적 의견 구조를 얼마나 잘 드러내는가?

주요 결과

• 영국은 다른 EU 국가들에 비해 난민에 대한 부정적 정서 수준이 뚜렷이 높아, 특별한 국가적 인식이 존재함을 시사한다.
• 정서 패턴은 대규모 난민 유입이나 정치적 결정과 같은 주요 난민 관련 사건과 명확한 상관관계를 보이며, 이는 사안 기반의 의견 변화를 시사한다.
• 공간 분석 결과, 남유럽 및 동유럽 국가들의 논의는 보통 중립적이거나 긍정적인 경향을 보이며, 북유럽 및 서유럽 국가들, 특히 영국은 더 강한 부정적 정서 클러스터를 보인다.
• 이 프레임워크는 온라인 논의에서 반복적으로 나타나는 고정관념을 성공적으로 식별하였으며, 특히 부정적 정서가 높은 지역에서는 난민을 안보 위협이나 경제적 부담과 연결짓는 고정관념이 두드러진다.
• 시간적 분석은 주요 뉴스 사이클 이후 정서의 진동을 드러내며, 이는 일관된 정서 추세보다는 반응적인 공중 의견을 시사한다.
• 정서를 공간적 및 시간적 차원과 통합함으로써 지역적 인식 클러스터와 시간에 따른 동적 의견 진화를 탐지할 수 있었다.