[논문 리뷰] Why Are You More Engaged? Predicting Social Engagement from Word Use

Jalal Mahmud, Jilin Chen외 1명|arXiv (Cornell University)|2014. 02. 26.

Topic Modeling참고 문헌 18인용 수 13

한 줄 요약

이 논문은 트위터 메시지에서 단어 사용 방식이 대화 및 재트윗과 같은 사회적 참여도에 어떻게 영향을 주는지 조사한다. 정서적 분위기, 인지적 처리, 사회적 초점 등의 심리언어학적 특성들을 분석함으로써, 트윗의 언어적 패턴만으로도 사용자 참여도를 합리적인 정확도로 예측하는 모델을 수립한다.

ABSTRACT

We present a study to analyze how word use can predict social engagement behaviors such as replies and retweets in Twitter. We compute psycholinguistic category scores from word usage, and investigate how people with different scores exhibited different reply and retweet behaviors on Twitter. We also found psycholinguistic categories that show significant correlations with such social engagement behaviors. In addition, we have built predictive models of replies and retweets from such psycholinguistic category based features. Our experiments using a real world dataset collected from Twitter validates that such predictions can be done with reasonable accuracy.

연구 동기 및 목표

• 트윗의 언어적 패턴이 대화 및 재트윗과 같은 사회적 참여 행동과 어떻게 관련되어 있는지 이해하기 위해.
• 소셜 미디어에서 참여도를 유의미하게 예측하는 데 기여하는 특정 심리언어학적 단어 사용 범주를 특정하기 위해.
• 사용자 생성 콘텐츠에서 추출한 언어적 특성을 사용하여 사회적 참여도를 예측하는 모델을 개발하기 위해.
• 실제 데이터를 사용하여 심리언어학적 특성이 트위터에서 실제 세계의 참여도를 예측하는 데 얼마나 효과적인지 검증하기 위해.

제안 방법

• 정서적 분위기, 인지적 처리, 사회적 초점 등의 범주에서 점수를 산출하기 위해, 기존의 심리언어학적 사전을 사용하여 트위터 메시지에서 언어적 특징을 추출하였다.
• 각 트윗의 어휘 사용을 표준화된 심리언어학적 범주로 매핑하였으며, 정서적 밸런스, 각성도, 의미적 복잡도 등을 포함하였다.
• 회귀 분석 및 서포트 벡터 머신을 포함한 기계학습 모델을 사용하여 이러한 심리언어학적 특징을 기반으로 대화 및 재트윗 빈도를 예측하였다.
• 실제 트위터 메시지 데이터셋을 공개 자료에서 수집하여 모델의 학습 및 평가를 수행하였다.
• 참여도 결과에 가장 예측력 있는 심리언어학적 범주를 식별하기 위해 특징 선택 기법을 적용하였다.
• 정확도, 정밀도, ROC 곡선 아래 면적(AUC)과 같은 표준 지표를 사용하여 모델 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 어느 심리언어학적 범주가 트위터에서 더 높은 사회적 참여도와 가장 강하게 상관관계가 있는가?
• RQ2 어휘 사용에서 유도된 언어적 특성은 트윗이 더 많은 대화나 재트윗을 받을지를 예측할 수 있는가?
• RQ3 정서적 분위기나 인지적 복잡도와 같은 언어의 다양한 차원은 사용자 참여도에 어떻게 영향을 주는가?
• RQ4 심리언어학적 특성만으로도 합리적인 정확도로 사회적 참여도를 예측할 수 있는 정도는 어느 정도인가?
• RQ5 높은 참여도를 보이는 트윗과 그렇지 않은 트윗을 구분하는 데 특정 언어 패턴이 존재하는가?

주요 결과

• 긍정적 정서, 인지적 처리, 사회적 초점과 같은 심리언어학적 범주가 높은 재트윗 및 대화 빈도와 유의미한 상관관계를 보였다.
• 트윗의 언어적 특성만을 사용하여도 재트윗 및 대화 예측에 중간에서 높은 정확도를 달성하였다.
• 정서적 분위기, 특히 긍정적 정서가 참여도의 강력한 예측 요소였으며, 재트윗의 경우 尤히 두드러졌다.
• 인지적 처리 특성(예: 사색이나 사고를 나타내는 단어의 사용)은 대화 빈도와 유의미하게 관련되어 있었다.
• 사회적 초점 지표(예: '우리' 또는 '우리'와 같은 대명사 사용)는 참여도 증가와 연관되어 있었으며, 이는 공동 정체성 또는 집단 중심의 사고 방식이 상호작용을 증진시킨다는 것을 시사한다.
• 메시지 길이와 사용자 활동 수준을 보정한 후에도 언어적 특성의 예측 능력은 여전히 유의미했다.