[论文解读] Deep Feelings: A Massive Cross-Lingual Study on the Relation between Emotions and Virality

Marco Guerini, Jacopo Staiano|arXiv (Cornell University)|Mar 16, 2015

Misinformation and Its Impacts参考文献 32被引用 16

一句话总结

本研究利用包含150万条情感标注的大型众包数据集，调查了英语和意大利语社交媒体平台上新闻文章引发的情绪与其传播性之间的关系。研究发现，尽管文化差异会影响特定情绪，但效价-唤醒-主导力（VAD）环形模型提供了一个一致的跨语言框架，能够解释传播性，其中高唤醒与窄播效应相关，高主导力与广播效应相关。

ABSTRACT

This article provides a comprehensive investigation on the relations between virality of news articles and the emotions they are found to evoke. Virality, in our view, is a phenomenon with many facets, i.e. under this generic term several different effects of persuasive communication are comprised. By exploiting a high-coverage and bilingual corpus of documents containing metrics of their spread on social networks as well as a massive affective annotation provided by readers, we present a thorough analysis of the interplay between evoked emotions and viral facets. We highlight and discuss our findings in light of a cross-lingual approach: while we discover differences in evoked emotions and corresponding viral effects, we provide preliminary evidence of a generalized explanatory model rooted in the deep structure of emotions: the Valence-Arousal-Dominance (VAD) circumplex. We find that viral facets appear to be consistently affected by particular VAD configurations, and these configurations indicate a clear connection with distinct phenomena underlying persuasive communication.

研究动机与目标

• 调查情绪如何影响不同语言新闻文章在传播性不同方面的表现。
• 比较特定情绪及其深层情感成分（效价、唤醒、主导力）对传播性指标的影响。
• 检验基于VAD环形模型的通用、语言无关模型是否能解释跨文化的传播性。
• 评估基于情绪的模型与基于VAD的模型在预测传播性方面的解释力。
• 通过识别情绪-传播性模式，探讨其对内容营销和原生广告的启示。

提出的方法

• 从Rappler（英语）和Corriere della Sera（意大利语）收集了6.5万篇双语新闻文章语料库，每篇文章均标注了读者引发的情绪。
• 利用众包情感反馈（情绪标签）推导出每篇文章的情绪得分及VAD（效价-唤醒-主导力）得分。
• 通过多个指标衡量传播性：Google+分享数、推文数和邮件分享数（G+、Tweets、Emails）。
• 基于均值加标准差的阈值对传播性指标进行二值化处理，以识别高度传播的文章。
• 应用逻辑回归模型，使用情绪类别和VAD维度作为预测变量，预测传播性。
• 利用已建立的资源将情绪标签映射到VAD值，以实现跨语言比较和模型泛化。

实验结果

研究问题

• RQ1 在英语和意大利语新闻内容中，特定情绪如何与不同传播形态（如Google+、Twitter、邮件分享）相关联？
• RQ2 情感反应中的文化差异在多大程度上影响情绪与传播性之间的关系？
• RQ3 效价-唤醒-主导力（VAD）环形模型能否作为解释传播性的通用、跨语言框架？
• RQ4 基于情绪的模型与基于VAD的模型在预测传播性方面的解释力如何比较？
• RQ5 情绪对窄播（如邮件分享）与广播（如社交媒体分享）传播性的相对影响是什么？

主要发现

• VAD环形模型为传播性提供了稳定且跨语言一致的解释，其中高唤醒与窄播效应相关，高主导力与广播效应相关。
• 尽管在情感反应上存在文化差异——特别是悲伤情绪在英语与意大利语数据集中的影响不一致——VAD模型在两种语言中均保持强大的解释力。
• 基于VAD的模型在Corriere.it上达到最高McFadden’s R²为0.0840，在Rappler.com上为0.0569，优于基于情绪的模型，也优于Berger等人（2012）的最佳模型（R²为0.0700）。
• 研究发现，情绪对窄播（如邮件分享）的影响强于对广播（如社交媒体分享）的影响，这一模式在两种语言中均一致。
• 即使在将情绪映射到VAD维度后，模型仍保持强大的解释力，表明VAD捕捉到了传播性背后的基本情感结构。
• 结果表明，VAD配置（特别是主导力与唤醒的交替）系统性地与传播性背后的特定说服性传播现象相关联。