[论文解读] A Machine Learning Analysis of Twitter Sentiment to the Sandy Hook Shootings

Nan Wang, Blesson Varghese+1 more|arXiv (Cornell University)|Sep 2, 2016

Crime, Deviance, and Social Control参考文献 25被引用 7

一句话总结

本研究利用机器学习对2012年桑迪胡克小学枪击事件前后40天内来自美国的超过70万条推文进行分析，以分类支持枪支和反对枪支的舆论情绪。研究发现，枪支支持情绪在事件发生后持续数天保持高位，而反对枪支情绪则迅速下降，这一结果挑战了人们对大规模枪击事件后公众反应的既有假设。

ABSTRACT

Gun related violence is a complex issue and accounts for a large proportion of violent incidents. In the research reported in this paper, we set out to investigate the pro-gun and anti-gun sentiments expressed on a social media platform, namely Twitter, in response to the 2012 Sandy Hook Elementary School shooting in Connecticut, USA. Machine learning techniques are applied to classify a data corpus of over 700,000 tweets. The sentiments are captured using a public sentiment score that considers the volume of tweets as well as population. A web-based interactive tool is developed to visualise the sentiments and is available at http://www.gunsontwitter.com. The key findings from this research are: (i) There are elevated rates of both pro-gun and anti-gun sentiments on the day of the shooting. Surprisingly, the pro-gun sentiment remains high for a number of days following the event but the anti-gun sentiment quickly falls to pre-event levels. (ii) There is a different public response from each state, with the highest pro-gun sentiment not coming from those with highest gun ownership levels but rather from California, Texas and New York.

研究动机与目标

• 利用机器学习分析社交媒体上对桑迪胡克小学枪击事件的公众舆论情绪。
• 研究美国各州在时间与地理维度上支持枪支和反对枪支情绪的演变模式。
• 评估多种机器学习模型在社交媒体数据中对舆论情绪分类的性能。
• 开发一个交互式网络工具，用于可视化按州划分的情绪趋势，同时考虑人口规模和持枪率。
• 通过将自然语言处理技术应用于枪支暴力这一关键公共卫生议题，弥合计算机科学与公共卫生之间的鸿沟。

提出的方法

• 通过GNIP获取历史推文数据，筛选关键词、时间范围（40天）和美国地理定位信息。
• 使用R语言将JSON文件解析为CSV格式，对推文进行预处理，提取相关文本和元数据。
• 创建一个包含5,000条人工标注推文（支持枪支、反对枪支、中立）的黄金标准训练集，用于监督学习。
• 在标注数据上评估多种机器学习算法——支持向量机（SVM）、最大熵模型、随机森林、神经网络、朴素贝叶斯及集成方法。
• 选择表现最佳的模型（如SVM、随机森林）对超过70万条推文的完整数据集进行分类。
• 通过一个基于网络的工具（http://www.gunsontwitter.com）可视化各州的情绪趋势，对人口规模和持枪率进行归一化处理。

实验结果

研究问题

• RQ1 桑迪胡克小学枪击事件发生后的数天内，推文上的支持枪支和反对枪支情绪如何变化？
• RQ2 哪些美国州表现出最高水平的支持枪支情绪？这些情绪与持枪率及人口规模有何关联？
• RQ3 在推文数据中，哪些机器学习模型在分类支持枪支、反对枪支和中立情绪方面表现最佳？
• RQ4 社交媒体上的舆论趋势是否可以被可靠地可视化，并用于指导公共卫生或政策制定的时间节点？
• RQ5 公众对一起大规模校园枪击事件的反应，在强度和持续时间上，支持枪支与反对枪支情绪有何不同？

主要发现

• 支持枪支和反对枪支情绪均在桑迪胡克枪击事件发生的当天达到峰值，表明公众讨论极为激烈。
• 反对枪支情绪在数天内迅速回落至事件前水平，表明公众抗议情绪具有短暂性。
• 枪支支持情绪在枪击事件后数天内持续处于高位，表明对持枪权的支持或辩护具有持续性。
• 支持枪支情绪最高的州为加利福尼亚州、德克萨斯州和纽约州，这些州的持枪率并非最高。
• 本研究识别出SVM和随机森林是分类推文数据中三类情绪（支持枪支、反对枪支、中立）最准确的模型。
• 位于http://www.gunsontwitter.com的交互式网络工具成功可视化了按州划分的情绪趋势，并对人口规模和持枪率进行了归一化处理。