[论文解读] Artificial intelligence for elections: the case of 2019 Argentina primary and presidential election

Zhenkun Zhou, Hernán A. Makse|arXiv (Cornell University)|Oct 24, 2019

Misinformation and Its Impacts参考文献 2被引用 5

一句话总结

本文提出一种基于人工智能、大数据分析、Twitter 数据和网络理论的模型，用于预测选举结果。该模型成功预测了阿根廷 2019 年初选中阿尔贝托·费尔南德斯以 16% 的得票率胜出，而这一结果被传统民调机构所遗漏。该模型通过大规模实时公众情绪分析，优于传统民调方法，在大选中预测费尔南德斯得票率为 47.5%，马克里为 30.9%，第三方候选人得票率为 21.6%。

ABSTRACT

We use a method based on machine learning, big-data analytics, and network theory to process millions of messages posted in Twitter to predict election outcomes. The model has achieved accurate results in the current Argentina primary presidential election on August 11, 2019 by predicting the large difference win of candidate Alberto Fernandez over president Mauricio Macri; a result that none of the traditional pollsters in that country was able to predict, and has led to a major bond market collapse. We apply the model to the upcoming Argentina presidential election on October 27, 2019 yielding the following results: Fernandez 47.5%, Macri 30.9% and third party 21.6%. Our method improves over traditional polling methods which are based on direct interactions with small number of individuals that are plagued by ever declining response rates, currently falling in the low single digits. They provide a reliable polling method that can be applied not only to predict elections but to discover any trend in society, for instance, what people think about climate change, politics or education.

研究动机与目标

• 解决传统民调方法因回应率下降和非响应偏差而日益失效的问题。
• 开发一种基于人工智能的替代方法，利用实时社交媒体数据预测选举结果。
• 证明在政治环境高度波动的背景下，基于大数据的情绪分析优于传统调查方法。
• 利用 Twitter 标签网络和累积情绪追踪，分析阿根廷 2019 年初选和大选期间的公众情绪趋势。
• 提供一种可扩展、可靠的监测社会趋势的方法，适用于选举之外的议题，如气候变化或教育领域的公众意见。

提出的方法

• 该模型使用 Twitter Search API 收集 2019 年阿根廷大选期间与政治候选人相关的数百万条公开信息。
• 应用网络理论构建标签共现网络，识别费尔南德斯、马克里及第三方候选人支持群体的聚类。
• 采用两种预测策略：(1) 14 天窗口期内的即时快照（w=14），(2) 从 2019 年 3 月起的累积平均值，以追踪长期情绪趋势。
• 累积平均值被用作稳定预测指标，最大限度减少短期波动，提升随时间推移的鲁棒性。
• 机器学习与大数据分析可过滤掉机器人和虚假信息带来的噪声，聚焦于真实公众情绪。
• 通过将累积情绪趋势与实际 PASO 初选结果对比，验证模型预测结果，并外推至大选。

实验结果

研究问题

• RQ1 在高风险、低回应率的环境中，基于人工智能的 Twitter 数据分析能否优于传统民调方法来预测选举结果？
• RQ2 与实时快照模型相比，社交媒体数据的累积情绪趋势在多大程度上与实际选举结果相关？
• RQ3 在阿根廷 2019 年大选周期中，左翼与右翼候选人支持者的情绪模式有何不同？
• RQ4 社交媒体网络与标签社区在塑造和反映政治舆论动态方面发挥何种作用？
• RQ5 大数据分析能否通过情绪变化检测并预测重大经济与政治市场冲击，如‘黑色星期一’崩盘？

主要发现

• 该人工智能模型准确预测了阿尔贝托·费尔南德斯在 2019 年 8 月 11 日 PASO 初选中以 16% 的得票率胜出，而所有五家主要阿根廷民调机构均未能预测到此结果。
• 传统民调机构错误预测马克里以一票之差胜出，导致债券市场上涨，随后在‘黑色星期一’引发 Merval 指数暴跌 40%。
• 该模型预测在 2019 年 10 月 27 日大选中，费尔南德斯得票率为 47.5%，马克里为 30.9%，第三方候选人得票率为 21.6%。
• 自 2019 年 3 月起计算的累积情绪指标，在不同起始时间（t₀）下均表现出稳定且准确的预测能力，证实了其鲁棒性。
• 标签网络分析显示，费尔南德斯支持者因经济危机和饥饿问题而表达愤怒，而马克里支持者则表现出道德支持，但无政策层面的关切。
• 在政治环境高度波动的背景下，该模型的累积平均值在捕捉长期情绪变化方面优于即时快照模型。