[논문 리뷰] Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions

Hui Yin, Xiangyu Song외 2명|arXiv (Cornell University)|2021. 10. 08.

Misinformation and Its Impacts인용 수 9

한 줄 요약

이 연구는 2020년 12월부터 2021년 7월까지 코로나19 백신에 관한 트위터 트윗 75,665건을 자연어 처리 기법을 사용해 분석한다. 이 중 감성 분석과 LDA 기반 토픽 모델링을 포함한다. 연구 결과, 대중의 감성은 주로 긍정적이며, 대부분의 사용자가 백신의 효과성에 대한 신뢰와 백신 접종에 감사를 표시하는 것으로 나타났다. 반면 부정적인 감성은 주로 부작용, 백신 부족, 접종 후 사망과 관련된 문제에 집중되어 있다.

ABSTRACT

The outbreak of the novel Coronavirus Disease 2019 (COVID-19) has lasted for nearly two years and caused unprecedented impacts on people's daily life around the world. Even worse, the emergence of the COVID-19 Delta variant once again puts the world in danger. Fortunately, many countries and companies have started to develop coronavirus vaccines since the beginning of this disaster. Till now, more than 20 vaccines have been approved by the World Health Organization (WHO), bringing light to people besieged by the pandemic. The promotion of COVID-19 vaccination around the world also brings a lot of discussions on social media about different aspects of vaccines, such as efficacy and security. However, there does not exist much research work to systematically analyze public opinion towards COVID-19 vaccines. In this study, we conduct an in-depth analysis of tweets related to the coronavirus vaccine on Twitter to understand the trending topics and their corresponding sentimental polarities regarding the country and vaccine levels. The results show that a majority of people are confident in the effectiveness of vaccines and are willing to get vaccinated. In contrast, the negative tweets are often associated with the complaints of vaccine shortages, side effects after injections and possible death after being vaccinated. Overall, this study exploits popular NLP and topic modeling methods to mine people's opinions on the COVID-19 vaccines on social media and to analyse and visualise them objectively. Our findings can improve the readability of the noisy information on social media and provide effective data support for the government and policy makers.

연구 동기 및 목표

• 코로나19 백신의 초기 보급 단계 동안 소셜 미디어에서의 대중 감성과 주요 논의 주제를 이해하기 위해.
• 특히 미국, 영국, 캐나다, 인도와 같은 고빈도 국가에서 감성과 주제 집중도의 국가 수준 차이를 파악하기 위해.
• 백신 접종을 위한 정책 결정자와 공중보건 관계자들이 백신 회피와 오락성 정보를 해결하기 위해 데이터 기반 통찰을 제공하기 위해.
• 노이즈가 많은 소셜 미디어 데이터에서 실질적인 대중 여론을 추출하기 위해 자연어 처리와 토픽 모델링의 효과를 평가하기 위해.

제안 방법

• 2020년 12월 12일부터 2021년 7월 2일까지 7종의 주요 코로나19 백신과 관련된 지리적 태그가 부착된 트위터 트윗 75,665건을 수집하였다.
• 각 트윗의 긍정, 부정, 중립 성향을 판단하기 위해 미세조정된 BERT 기반 모델을 적용하여 감성 분류를 수행하였다.
• 11개 최적의 토픽을 식별하기 위해 일관성 점수 최적화를 수행한 잠재도출분석(Latent Dirichlet Allocation, LDA)을 사용하였다.
• 미국, 영국, 캐나다, 인도에서의 국가 수준 감성 및 토픽 분석을 수행하여 공중의 인식을 비교하였다.
• 시간 경과에 따른 감성 추세와 토픽 빈도를 해석 가능하게 하기 위해 시계열 차트와 워드 클라우드를 시각화하였다.
• 긍정 및 부정 트윗 클러스터 내 감성과 주제 집중도를 이해하기 위해 각 토픽의 주요 기여어를 분류하였다.

실험 결과

연구 질문

• RQ1 코로나19 백신에 대한 트위터에서의 전체 감성 성향은 초기 보급 단계 동안 어떻게 되어 있는가?
• RQ2 감성 추세와 주요 토픽은 다양한 국가와 백신 브랜드 간에 어떻게 다를까?
• RQ3 부정적인 트윗에서 가장 자주 다뤄지는 우려 사항은 무엇인가?
• RQ4 긍정적인 감성은 패안드믹 통제와 일상 생활 복귀 기대와 어떻게 관련되어 있는가?
• RQ5 부작용, 부족, 사망에 대한 공중의 우려가 전체 감성에 얼마나 큰 영향을 미치는가?

주요 결과

• 트위터에서 코로나19 백신에 대한 전체 감성은 긍정적이었으며, 부정적인 트윗보다 약 두 배 많은 긍정적 트윗이 기록되었다.
• 긍정적인 트윗에서는 백신 접종에 감사함을 표시하는 것, 패안드믹 통제에 대한 희망, 일상 생활 복귀를 향한 기대감이 가장 많이 다뤄졌다.
• 부정적인 감성은 주로 백신 부족, 접종 후 부작용(예: 발열, 팔 통증), 백신 접종 후 사망 보도 등에 기인하였다.
• 스푸트니크 V와 시노바크 백신은 미국과 캐나다에서 다른 백신보다 더 많은 부정적 감성을 보였으며, 브랜드 기반의 회피 경향이 있음을 시사한다.
• 전반적인 긍정성에도 불구하고 일부 국가에서는 특정 백신에 대해 더 높은 부정적 감성을 보였으며, 이는 공중 신뢰도의 지역적 및 브랜드 수준의 격차를 반영한다.
• 토픽 모델링을 통해 11개의 고유한 주제를 식별하였으며, LDA는 공중 논의에서 감성 톤과 주제 집중도를 효과적으로 포착하였다.