[论文解读] Predicting the Future with Social Media

Sitaram Asur, Bernardo A. Huberman|SSRN Electronic Journal|Mar 29, 2010

Opinion Dynamics and Social Influence被引用 17

一句话总结

本文提出利用实时Twitter动态——具体为推文数量和情感极性——来预测电影票房收入，表明基于推文速率的简单线性模型优于好莱坞股票交易所（Hollywood Stock Exchange）这一主流市场预测方法。研究显示，社交媒体活动是现实世界结果的强大预测指标，情感因素在电影上映后进一步提升了预测效果。

ABSTRACT

In recent years, social media has become ubiquitous and important for social networking and content sharing. And yet, the content that is generated from these websites remains largely untapped. In this paper, we demonstrate how social media content can be used to predict real-world outcomes. In particular, we use the chatter from Twitter.com to forecast box-office revenues for movies. We show that a simple model built from the rate at which tweets are created about particular topics can outperform market-based predictors. We further demonstrate how sentiments extracted from Twitter can be further utilized to improve the forecasting power of social media.

研究动机与目标

• 探究社交媒体动态是否能预测现实世界结果，重点关注电影票房收入。
• 评估推文数量（关注度）相较于好莱坞股票交易所等市场指标的预测能力。
• 考察推文中的情感极性如何提升预测准确性，尤其是在电影上映后。
• 开发一种可推广的模型，利用社交媒体数据预测消费产品表现。

提出的方法

• 收集了近300万条与电影相关的推文，时间跨度内聚焦于发文量与情感极性。
• 使用线性回归模型，将票房收入建模为推文速率与情感极性（PNRatio）的函数。
• 将推文速率计算为每部电影每小时的平均推文数量。
• 应用文本分类技术提取推文中的正面与负面情感，计算情感极性比率（PNRatio）。
• 在首周与次周票房收入上训练并评估模型，以评估其随时间的预测能力。
• 使用最小二乘回归估计关注度（A）、情感极性（P）和分布（D）参数的系数。

实验结果

研究问题

• RQ1 Twitter上社交媒体动态的传播速率是否能比现有基于市场的预测方法更准确地预测现实世界中的电影票房收入？
• RQ2 在推文中包含情感极性是否能提升票房收入预测的准确性？
• RQ3 社交媒体数据的预测能力是否会随时间变化，特别是在电影上映前后？
• RQ4 社交媒体中的关注度与情感在多大程度上反映了大众对未来产品表现的集体判断？

主要发现

• 仅使用推文速率的模型在预测首周票房收入方面优于好莱坞股票交易所，推文速率时间序列模型的预测准确率达到0.94。
• 情感极性（PNRatio）在电影上映后显著提升了预测效果，当与推文速率结合时，R-squared提升至0.92。
• 平均推文速率系数的p值为2.05e-11，表明其在预测票房收入方面具有极高的统计显著性。
• PNRatio系数的p值为9.43e-06，证实其在电影上映后对预测准确性的显著贡献。
• 例如，《盲点逆刃》上映后正面情感极性从5.02升至9.65，票房收入也显著上升；而《新月》则在情感与票房上双双下滑，凸显了情感极性的预测价值。
• 当结合推文速率与情感极性时，模型的预测能力最强，表明关注度与情感共同构成了稳健的预测信号。