[论文解读] Automated Analysis of Topic-Actor Networks on Twitter: New approach to the analysis of socio-semantic networks

Iina Hellsten, Loet Leydesdorff|arXiv (Cornell University)|Nov 22, 2017

Computational and Text Analysis Methods参考文献 29被引用 11

一句话总结

本文提出了一种基于矩阵的自动化方法，通过联合建模参与者与话题，对推特上的社会语义网络进行分析。该方法在大规模推特数据（里约+20会议的72,077条英文推文及关于禽流感的2,139条荷兰语推文）中展现出有效性，揭示了话题-参与者互动中的结构模式，相较于传统方法，显著提升了社会维度与语义维度的整合效果。

ABSTRACT

Social-media data provides increasing opportunities for automated analysis of large sets of textual documents. So far, automated tools have been developed to account for either the social networks between the participants of the debates, or to analyze the content of those debates. Less attention has been paid to mapping co-occurring actors (participants) and topics (content) in online debates that form socio-semantic networks. We propose a new, automated approach that uses a whole matrix approach of co-addressed topics and the actors. We show the advantages of the new approach with the analysis of a large set of English-language Twitter messages at the Rio+20 meeting, in June 2012 (72,077 tweets), and a smaller data set of Dutch-language Twitter messages on bird flu related to poultry farming in 2015-2017 (2,139 tweets). We discuss the theoretical, methodological and substantive implications of our approach, also for the analysis of other social-media data.

研究动机与目标

• 为解决现有自动化分析中社会语义网络整合社交媒体互动与内容话题方面的空白。
• 开发一种能够同时建模在线辩论中参与者与话题的方法，避免分别分析社交网络或内容的局限性。
• 实现对推特数据的大规模自动化分析，以揭示参与者与特定话题互动的结构模式。
• 在不同领域和语言的真实数据集上，评估该方法的性能与理论实用性。
• 为研究在线公共辩论中的社会语义动态提供一种新的分析框架。

提出的方法

• 该方法采用整体矩阵方法，捕捉数据集中所有推文中参与者与话题之间的共现关系。
• 构建一个双模共现矩阵，行代表参与者，列代表话题，单元格数值表示两者共同出现的频率。
• 利用网络科学与文献耦合技术分析该矩阵，揭示话题-参与者关系中的结构模式。
• 该方法应用于两个数据集：里约+20会议的72,077条英文推文，以及关于家禽养殖中禽流感的2,139条荷兰语推文。
• 该方法可实现参与者与话题的自动化识别，包括每个话题的关键参与者及每位参与者的主导话题，从而促进社会语义网络的绘制。
• 分析利用数字图书馆与社交网络分析工具，从网络中心性与聚类角度解释所得矩阵。

实验结果

研究问题

• RQ1 如何通过整合参与者与话题共现关系，从推特数据中自动建模社会语义网络？
• RQ2 通过整体矩阵方法分析时，话题-参与者网络中会浮现何种结构模式？
• RQ3 与分别分析社交网络或内容的传统方法相比，该方法有何差异？
• RQ4 利用该方法从大规模推特数据中分析环境与卫生政策辩论，可获得哪些洞察？
• RQ5 该方法在多大程度上能够揭示在线公共辩论中参与者在演变话题中的参与动态？

主要发现

• 基于矩阵的方法成功捕捉了社会语义网络中参与者与话题之间的相互作用，揭示了与特定主题相关联的参与者群组。
• 在里约+20数据集中，该方法识别出关键参与者及核心话题，如“可持续发展”与“气候变化”，并展示了其在辩论中的共现模式。
• 在禽流感数据集中，该方法揭示了特定参与者（如农民与卫生官员）与“疫苗接种”和“疫情控制”等话题之间的关联。
• 该方法在不同数据规模与语言下表现出稳健性，无论数据集大小，均能生成可解释且有意义的网络结构。
• 通过共现矩阵整合社会与语义维度，提供了比单独分析任一成分更深入的洞察。
• 该方法能够识别核心参与者与关键话题，为系统性绘制在线公共辩论结构提供了有效途径。