[논문 리뷰] Text mining and sentiment analysis of COVID-19 tweets

Qihuang Zhang, Grace Y. Yi외 2명|arXiv (Cornell University)|2021. 06. 26.

Neural Networks and Reservoir Computing참고 문헌 24인용 수 9

한 줄 요약

이 연구는 2020년 2월에서 10월까지 북미 8개 도시의 트위터 데이터를 대상으로 텍스트 마이닝과 정서 분석을 수행하여, 코로나19, 마스크, 백신, 봉쇄 조치에 대한 대중의 정서를 평가한다. VADER 및 NRC 모델을 사용하며, 에코 스테이트 네트워크와 수렴하는 교차 매핑을 통합하여 정서가 트위터 활동에 영향을 미치고 감염률과 즉각적으로 연관되어 있음을 밝혀냈다. 특히 백신과 봉쇄 조치에 대한 부정적 정서가 두드러지며, 마스크와 관련된 정서는 일반적으로 긍정적이다.

ABSTRACT

The human severe acute respiratory syndrome coronavirus 2 (SARS-Cov-2), causing the COVID-19 disease, has continued to spread all over the world. It menacingly affects not only public health and global economics but also mental health and mood. While the impact of the COVID-19 pandemic has been widely studied, relatively fewer discussions about the sentimental reaction of the population have been available. In this article, we scrape COVID-19 related tweets on the microblogging platform, Twitter, and examine the tweets from Feb~24, 2020 to Oct~14, 2020 in four Canadian cities (Toronto, Montreal, Vancouver, and Calgary) and four U.S. cities (New York, Los Angeles, Chicago, and Seattle). Applying the Vader and NRC approaches, we evaluate the sentiment intensity scores and visualize the information over different periods of the pandemic. Sentiment scores for the tweets concerning three anti-epidemic measures, masks, vaccine, and lockdown, are computed for comparisons. The results of four Canadian cities are compared with four cities in the United States. We study the causal relationships between the infected cases, the tweet activities, and the sentiment scores of COVID-19 related tweets, by integrating the echo state network method with convergent cross-mapping. Our analysis shows that public sentiments regarding COVID-19 vary in different time periods and locations. In general, people have a positive mood about COVID-19 and masks, but negative in the topics of vaccine and lockdown. The causal inference shows that the sentiment influences people's activities on Twitter, which is also correlated to the daily number of infections.

연구 동기 및 목표

• 소셜 미디어 정서 분석을 통해 코로나19 패닉 기간 동안의 대중 정서 반응을 조사한다.
• 시간, 지역, 특정 방역 조치(마스크, 백신, 봉쇄)에 따라 정서가 어떻게 변화하는지 분석한다.
• 고급 시계열 기법을 사용하여 정서, 트윗 활동, 확인된 감염률 간의 인과 관계를 모델링한다.
• 이전 연구의 한계를 보완한다. 즉, 단어 간 상호작용 忽시, 철자 오류, 정서 분석에서의 인과 추론 부족 문제를 해결한다.

제안 방법

• 2020년 2월 24일에서 10월 14일 사이에 북미 8개 도시에서 수집한 120만 건의 코로나19 관련 트윗에 대한 텍스트 마이닝.
• VADER 및 NRC 사전 기반 접근법을 사용하여 코로나19, 마스크, 백신, 봉쇄 조치 등 주제별 정서 강도 점수를 산출한다.
• 에코 스테이트 네트워크를 적용하여 정서, 감염률, 소셜 미디어 활동의 시간적 동적 변화를 모델링한다.
• 수렴하는 교차 매핑(CCm)을 사용하여 정서, 감염 수, 트윗 활동 특성(트윗, 좋아요, 댓글, 재트윗) 간의 인과 관계를 추론한다.
• 지연 기반 상관관계 분석을 통해 방향성 있는 인과 관계를 규명하며, 최적의 시간 지연에서 최고 상관관계를 도출한다.
• 팬데믹 기간과 도시 간 정서 추세를 시각화하여 지역 간 정서 반응의 비교 분석을 수행한다.

실험 결과

연구 질문

• RQ1 다양한 도시에서 코로나19 및 그 방역 조치에 대한 대중의 정서는 시간이 지남에 따라 어떻게 변화하는가?
• RQ2 정서 점수, 소셜 미디어 활동(트윗, 좋아요, 댓글, 재트윗) 및 일일 확진자 수 간의 인과 관계는 어떠한가?
• RQ3 캐나다 도시와 미국 도시 간 정서 패턴은 어떻게 다를지, 현지 보건 정책은 이러한 패턴을 어떻게 형성하는가?
• RQ4 정서 변화가 감염률 변화나 온라인 활동 변화 이전 또는 이후에 얼마나 빠르게 나타나는가?

주요 결과

• 마스크에 대한 정서는 일관되게 긍정적이었고, 백신과 봉쇄 조치에 대한 정서는 모든 도시와 시간대에서 주로 부정적이었다.
• 정서 점수는 감염률과 트윗 활동과 즉각적으로 상관관계가 있었으며, 시간 지연 0에서 双방향 영향이 있음을 시사했다.
• 수렴하는 교차 매핑을 통한 인과 추론 결과, 정서가 트위터 활동(트윗, 좋아요, 댓글, 재트윗)에 영향을 미치지만 그 반대는 아님을 확인했으며, 정서에서 트윗 활동으로의 최고 상관관계는 τ=8에서 관찰되었다.
• 정서와 감염률 간 상관관계는 약한 편이었음(ρ=0.006 및 ρ=0.169)으로, 정서가 감염 수를 강력하게 예측하지는 않지만 행동에 영향을 줄 수 있음을 시사한다.
• 트윗 활동 특성(트윗, 좋아요, 댓글, 재트윗) 간에는 즉각적인 상관관계가 있었으며, 이는 상호 강화되는 온라인 참여 루프를 의미한다.
• 분석 결과, 정서 변화가 소셜 미디어에서의 행동 변화를 이끌 가능성이 있으며, 이는 전파 위험에 영향을 줄 수 있음을 시사한다. 이는 팬데믹 기간의 행동에 정서적 동역학이 중요한 역할을 한다는 점을 강조한다.