[论文解读] Characterizing the 2022 Russo-Ukrainian Conflict Through the Lenses of Aspect-Based Sentiment Analysis: Dataset, Methodology, and Preliminary Findings

Maurantonio Caprolu, Alireza Sadighian+1 more|arXiv (Cornell University)|Aug 2, 2022

Sociopolitical Dynamics in Russia参考文献 15被引用 9

一句话总结

本研究利用方面情感分析（ABSA）对558万条关于2022年俄乌冲突的英文推文数据集进行分析，以探究推特平台上的公众情绪。尽管媒体广泛宣称存在大规模虚假信息传播，但分析结果并未发现此类活动的证据。然而，情绪趋势与用户行为中的异常现象——尤其是低好友比及新创建账户——表明存在针对性活动，需借助先进的机器人检测技术进一步调查。

ABSTRACT

Online social networks (OSNs) play a crucial role in today's world. On the one hand, they allow free speech, information sharing, and social-movements organization, to cite a few. On the other hand, they are the tool of choice to spread disinformation, hate speech, and to support propaganda. For these reasons, OSNs data mining and analysis aimed at detecting disinformation campaigns that may arm the society and, more in general, poison the democratic posture of states, are essential activities during key events such as elections, pandemics, and conflicts. In this paper, we studied the 2022 Russo-Ukrainian conflict on Twitter, one of the most used OSNs. We quantitatively and qualitatively analyze a dataset of more than 5.5+ million tweets related to the subject, generated by 1.8+ million unique users. By leveraging statistical analysis techniques and aspect-based sentiment analysis (ABSA), we discover hidden insights in the collected data and abnormal patterns in the users' sentiment that in some cases confirm while in other cases disprove common beliefs on the conflict. In particular, based on our findings and contrary to what suggested in some mainstream media, there is no evidence of massive disinformation campaigns. However, we have identified several anomalies in the behavior of particular accounts and in the sentiment trend for some subjects that represent a starting point for further analysis in the field. The adopted techniques, the availability of the data, the replicability of the experiments, and the preliminary findings, other than being interesting on their own, also pave the way to further research in the domain.

研究动机与目标

• 利用推特数据调查公众对2022年俄乌冲突中关键人物的情绪态度。
• 通过社交媒体上情绪异常与用户行为模式，检测潜在的虚假信息传播活动。
• 开发可复现的数据集与方法，用于在推特上对地缘政治冲突进行大规模情感分析。
• 评估方面情感分析（ABSA）在重大全球事件中捕捉公众情绪细微差异的有效性。
• 识别可能表明协调或机器人驱动活动的用户账户行为异常。

提出的方法

• 使用推特API，通过预设关键词，在2022年1月27日至3月23日期间收集了5,583,168条推文。
• 根据关注者/关注对象比率与账户年龄，将用户账户划分为五类，包括‘婴儿’账户（新创建账户）。
• 应用方面情感分析（ABSA）提取对五个关键方面（‘普京’、‘泽连斯基’、‘北约’、‘乌克兰’和‘俄罗斯’）的情感（正面、负面、中性）信息。
• 追踪各方面与用户类别随时间的情绪演变，以检测公众认知中的异常与转变。
• 采用统计技术进行定量与定性分析，识别与自然用户行为不符的模式。
• 报告查询参数与方法，以确保未来研究可复现该数据集。

实验结果

研究问题

• RQ1 是否存在大规模虚假信息传播活动的证据，针对2022年俄乌冲突期间公众舆论在推特上的传播？
• RQ2 在2022年2月24日冲突升级前后，公众对关键人物（如普京、泽连斯基）和实体（如北约、乌克兰、俄罗斯）的情绪如何演变？
• RQ3 用户行为模式——特别是低好友比或新创建账户——是否显示出协调或自动化活动的迹象？
• RQ4 ABSA在多大程度上能有效捕捉社交媒体上地缘政治话语中的细微情绪差异？
• RQ5 政府官员与他们所代表的民众之间的情绪趋势有何不同，例如普京与俄罗斯民众之间？

主要发现

• 冲突升级后，公众对总统普京的情绪显著转为负面，而正面情绪始终保持低位且稳定，表明公众认知发生明显转变，但未出现大规模支持普京情绪的动员。
• 作为国家的俄罗斯并未出现正面情绪的显著增长，表明用户能将俄罗斯政府与人民区分开来，这与对普京的情绪态度形成对比。
• 低好友比（FR）账户表现出更高的推文发布量及关键方面的异常情绪趋势，提示可能存在协调或自动化行为。
• ‘婴儿’账户（新创建账户）的日均创建率异常偏高，表明其中一部分可能专门创建以放大与冲突相关的内容。
• 尽管媒体曝光度高，总统泽连斯基在推特上的情绪始终保持一致的正面，但强度未达高水平，表明主流媒体与社交媒体认知之间存在差距。
• 对普京的负面与中性情绪之间存在反向平衡趋势——一方上升时另一方下降——表明情绪变化为自然演变，而非有组织的情绪操控。