[论文解读] Sentiment Index of the Russian Speaking Facebook

Alexander Panchenko|arXiv (Cornell University)|Aug 23, 2018

Complex Network Analysis Techniques被引用 9

一句话总结

本文提出了首个针对俄语 Facebook 社群的大规模文本情感指数，利用自然语言处理技术分析社交媒体帖子中的情感基调。研究构建了四个情感指数，用以衡量随时间推移的平均情感积极程度，其结果与以往针对英文语料的研究具有一致性模式，从而确立了一项可靠工具，可用于监测俄语数字话语中的集体情感。

ABSTRACT

A sentiment index measures the average emotional level in a corpus. We introduce four such indexes and use them to gauge average "positiveness" of a population during some period based on posts in a social network. This article for the first time presents a text-, rather than word-based sentiment index. Furthermore, this study presents the first large-scale study of the sentiment index of the Russian-speaking Facebook. Our results are consistent with the prior experiments for the English language.

研究动机与目标

• 为俄语 Facebook 社群开发一项基于文本的情感指数。
• 利用社交媒体数据，分析集体情感基调的随时间变化趋势。
• 将情感分析方法论从基于词语的方法扩展至全文分析。
• 验证情感模式与以往英文语料研究的一致性。
• 提供一种可扩展、数据驱动的工具，用于监测俄语数字话语中的公众情感。

提出的方法

• 本研究使用在特定时间段内收集的大量俄语 Facebook 帖子语料库。
• 应用自然语言处理技术，计算句子或帖子层面的情感得分，而非依赖于单个词语。
• 构建了四个不同的情感指数，以捕捉情感基调的不同方面（例如，平均积极度、方差、趋势变化）。
• 将情感得分随时间聚合，生成反映群体情绪的动态情感指数。
• 通过与已知的社会政治事件及既有的英文情感研究进行对比，验证了该方法。
• 采用统计和语言学模型，以确保俄语文本情感分类的可靠性和一致性。

实验结果

研究问题

• RQ1 如何有效构建针对俄语社交媒体的基于文本的情感指数？
• RQ2 俄语 Facebook 用户的集体情感随时间呈现何种模式？
• RQ3 情感趋势与现实世界的社会政治事件之间存在何种关联？
• RQ4 俄语 Facebook 中的情感模式在多大程度上与英文平台中观察到的模式相似？
• RQ5 全文情感分析方法是否能比基于词语的方法提供更可靠的结果？

主要发现

• 情感指数成功捕捉了俄语 Facebook 不同时间段内集体情绪的波动。
• 研究证实，俄语社群的情感趋势与英文社交媒体中观察到的趋势一致，支持了跨语言有效性。
• 基于文本的方法相比基于词语的情感分析，能提供更细致且更稳定的情感测量结果。
• 在重大公共事件期间检测到显著的情感转变，表明其对现实世界刺激具有响应性。
• 四个情感指数从不同角度提供了情感动态的互补性洞察，例如平均积极度与波动性。
• 结果表明，在俄语数字话语中进行大规模情感监测在可行性与可靠性方面均得到验证。