[论文解读] Sentiment-enhanced multidimensional analysis of online social networks: perception of the mediterranean refugees crisis

Mauro Coletto, Andrea Esuli+5 more|arXiv (Cornell University)|Aug 18, 2016

Opinion Dynamics and Social Influence参考文献 16被引用 17

一句话总结

本文提出了一种情感增强的多维分析框架，用于分析推特上关于地中海难民危机的讨论，整合了时间、空间和情感维度。通过为推文添加地理位置和情感标签，研究揭示了明显的国家情感模式——尤其是英国的负面情感——并映射了意见动态与普遍偏见之间的关系，展示了该框架在理解两极化社会现象方面的实用性。

ABSTRACT

We propose an analytical framework able to investigate discussions about polarized topics in online social networks from many different angles. The framework supports the analysis of social networks along several dimensions: time, space and sentiment. We show that the proposed analytical framework and the methodology can be used to mine knowledge about the perception of complex social phenomena. We selected the refugee crisis discussions over Twitter as a case study. This difficult and controversial topic is an increasingly important issue for the EU. The raw stream of tweets is enriched with space information (user and mentioned locations), and sentiment (positive vs. negative) w.r.t. refugees. Our study shows differences in positive and negative sentiment in EU countries, in particular in UK, and by matching events, locations and perception, it underlines opinion dynamics and common prejudices regarding the refugees.

研究动机与目标

• 开发一种用于研究在线社交网络中两极化社会话题的多维分析框架。
• 研究情感、地理位置和时间如何相互作用，以塑造公众在推特上对难民危机的认知。
• 识别欧盟各国对难民情感态度的国家差异，尤其关注英国的情况。
• 通过将特定事件、地理位置与情感变化实时对齐，绘制意见动态图谱。
• 通过情感感知的网络分析，揭示公共话语中普遍存在的刻板印象和偏见。

提出的方法

• 使用相关关键词和话题标签，收集与地中海难民危机相关的实时推特流数据。
• 通过提取用户提供的位置信息以及文本中提及的位置，为推文补充地理位置数据。
• 应用情感分析模型，将每条推文按其对难民的态度分类为正面或负面。
• 将情感、时间与空间维度整合到统一的分析框架中，实现多维可视化与探索。
• 使用基于事件的相关性分析，将特定新闻事件或危机与情感变化及地理分布变化相联系。
• 应用空间聚类与情感趋势分析，以检测区域模式及欧盟各国公众认知的变化。

实验结果

研究问题

• RQ1 不同欧盟国家对难民的情感模式有何差异，特别是在英国？
• RQ2 与难民相关的重大事件与推特上公众情感的变化之间存在何种关系？
• RQ3 地理位置（用户自身位置与提及的位置）与难民相关讨论中的正面或负面情感之间是否存在相关性？
• RQ4 从在线讨论中的情感模式中，会浮现哪些普遍的偏见或刻板印象？
• RQ5 多维分析（时间、空间、情感）在多大程度上能够揭示两极化社会辩论中动态的意见结构？

主要发现

• 英国对难民表现出显著高于其他欧盟国家的负面情感，表明其具有独特的国家认知。
• 情感模式与重大难民相关事件（如大规模抵达或政治决策）存在明显相关性，表明意见变化具有事件驱动特征。
• 空间分析显示，南欧和东欧国家的讨论倾向更为中性或正面，而北欧和西欧国家，尤其是英国，表现出更强的负面情感聚集。
• 该框架成功识别出在线话语中的重复性刻板印象，例如将难民与安全威胁或经济负担联系起来，尤其在负面情感较高的地区更为明显。
• 时间分析揭示了重大新闻周期后的情感波动，表明公众意见具有反应性，而非持续稳定的情感趋势。
• 情感与时空维度的整合，使得能够检测区域认知聚类及随时间演变的动态意见发展。