[论文解读] Mining Public Opinion about Economic Issues: Twitter and the U.S. Presidential Election

Amir Karami, London S. Bennett+1 more|arXiv (Cornell University)|Feb 6, 2018

Sentiment Analysis and Opinion Mining参考文献 25被引用 5

一句话总结

本文提出了一种混合计算方法，结合情感分析与主题建模，从2012年美国总统大选期间数百万条推文中挖掘公众对经济议题的舆论。该方法有效识别出关键经济关切与情感趋势，表明社交媒体数据可为选举期间公众经济情绪提供及时、可扩展的洞察。

ABSTRACT

Opinion polls have been the bridge between public opinion and politicians in elections. However, developing surveys to disclose people's feedback with respect to economic issues is limited, expensive, and time-consuming. In recent years, social media such as Twitter has enabled people to share their opinions regarding elections. Social media has provided a platform for collecting a large amount of social media data. This paper proposes a computational public opinion mining approach to explore the discussion of economic issues in social media during an election. Current related studies use text mining methods independently for election analysis and election prediction; this research combines two text mining methods: sentiment analysis and topic modeling. The proposed approach has effectively been deployed on millions of tweets to analyze economic concerns of people during the 2012 US presidential election.

研究动机与目标

• 为解决传统民意调查的局限性，即成本高、耗时长且难以频繁捕捉公众对经济议题的情绪。
• 利用社交媒体数据（特别是Twitter）的实时性与大规模特性，监测选举期间公众对经济话题的讨论。
• 开发并验证一种整合情感分析与主题建模的计算框架，以实现更全面的公众舆论挖掘。
• 证明使用社交媒体数据作为理解政治语境下经济关切的补充工具的可行性。

提出的方法

• 本研究收集并处理了2012年美国总统大选期间数百万条带有地理位置和时间戳的推文。
• 应用有监督的情感分析，基于预训练模型将每条推文的情感分类为正面、负面或中性。
• 采用潜在狄利克雷分布（Latent Dirichlet Allocation, LDA）主题建模方法，识别与经济议题相关的推文语料中反复出现的主题。
• 将情感得分与主题分布相结合，分析不同经济主题下情感的变化情况。
• 进行时间序列分析，追踪关键选举事件前后情感与主题流行度的动态变化。
• 通过与已知选举事件及传统渠道的公众舆论趋势对比，对框架进行验证。

实验结果

研究问题

• RQ1 在2012年美国总统大选期间，公众对经济议题的情感在Twitter上如何演变？
• RQ2 Twitter上主导的经济议题有哪些？它们与重大选举事件有何关联？
• RQ3 社交媒体数据的情感与主题建模在多大程度上能够反映或预测公众对经济议题的舆论趋势？
• RQ4 在失业、医疗保健和税收等关键经济议题上，情感模式有何差异？
• RQ5 与传统民意调查相比，社交媒体数据能否提供更及时、更具可扩展性的公众经济关切洞察？

主要发现

• 研究识别出在2012年大选期间，Twitter上讨论最频繁的经济议题为失业、医疗保健与税收。
• 情感分析显示，在选举前数周，公众对现任政府经济政策的负面情绪显著上升。
• 主题建模成功提取出连贯的经济主题，其中“失业”与“减税”成为主题中情感波动最显著的两类。
• 时间序列分析表明，情感波动与重大辩论及政策公告时间点高度吻合，表明公众反应具有实时性。
• 情感分析与主题建模相结合的方法，相较于单一方法，能提供更细致入微的公众舆论理解。
• 结果表明，社交媒体数据可作为公众经济情绪的可扩展、实时替代指标，且与传统民意调查趋势高度一致。