[论文解读] Prediction of USA November 2020 Election Results Using Multifactor Twitter Data Analysis Method

İbrahim Sabuncu, Mehmet Ali Balcı+1 more|arXiv (Cornell University)|Oct 29, 2020

Social Media and Politics被引用 6

一句话总结

本研究提出了一种新颖的多因素推特数据分析模型，整合了情感极性、转发量和用户参与度，以预测2020年美国总统大选。基于2020年9月1日至10月21日期间约1000万条推文，该模型预测共和党以微弱优势胜出——与主流民意调查和单因素模型相反——凸显了整合社交媒体指标在预测中的优势，优于孤立的情感分析。

ABSTRACT

In studies on election result prediction based on Twitter data, estimates were made using one of the factors such as the number of positive, negative, and neutral tweets posted about parties, the effect size of these tweets (the number of re-tweets), or the number of people who posted these tweets. However, no study was found that used all of these factors together. The goal of this study is to develop a new approach that takes into account all of the factors described and contributes to the literature in this context. A new multifactor model for the election result prediction based on Twitter data has been developed for this purpose. The model was tested by attempting to predict the results of the US 2020 elections in November, which had not yet taken place when the first version of this article was written. Also, a comparison has been made with alternative estimation approaches in the literature. Analyzes were made for approximately 10 million tweets collected between September 1 and October 21, 2020. As a result of the analysis, consistent with the results of the polls, Biden wins the election with a difference of 9.22% according to our method of estimating votes based on positive and negative tweet numbers, which are the current approaches in the literature. However, by using our multifactor model, the parameters for 3 November were calculated as -0.213423 for Democrats and 0.0455818 for Republicans. Based on these scores, it is concluded that the Republicans will win the election with a very small margin.

研究动机与目标

• 为解决现有文献中的空白，将多个推特指标——情感、转发量和用户活动——整合到统一的预测模型中，以预测美国大选结果。
• 在现有仅依赖情感或转发数的单因素方法基础上，提升选举预测的准确性。
• 在2020年11月大选前，利用大选前的推特数据，实时测试该模型的预测能力。
• 将多因素模型的表现与文献中传统的单因素方法进行比较。
• 提供一种数据驱动、实时的预测框架，适用于未来政治事件的社交媒体分析。

提出的方法

• 该模型聚合了三个关键的推特指标：每位候选人对应的正面、负面和中性推文数量。
• 将转发量作为政治内容传播和病毒式传播的代理指标。
• 通过发布或分享内容的独特用户数量来量化用户参与度，反映信息的传播范围和网络扩散程度。
• 通过复合评分函数，基于整合指标为各政党分配加权分数，参数根据历史趋势进行校准。
• 通过情感、转发频率和用户数量的加权和计算每位候选人的净分值，系数经优化以提升预测准确性。
• 最终预测基于2020年11月3日的相对得分得出，采用基于阈值的决策规则确定可能的胜者。

实验结果

研究问题

• RQ1 结合情感、转发量和用户参与度的多因素推特数据模型，是否能优于单因素模型，以预测美国大选结果？
• RQ2 整合的社交媒体指标与传统民意调查数据相比，在预测2020年美国总统大选时表现如何？
• RQ3 转发和用户活动在多大程度上放大了预测信号，超越了单纯的情感计数？
• RQ4 多因素推特指标的引入在多大程度上降低了预测不确定性，并提高了与实际选举结果的一致性？
• RQ5 实时、数据驱动的模型能否在大选日前，利用大选前的社交媒体数据，提供及时且准确的预测？

主要发现

• 多因素模型预测共和党获胜，2020年11月3日民主党净得分为-0.213423，共和党为0.0455818。
• 该预测与主流民意调查和单因素模型相悖，后者仅基于情感分析预测拜登领先9.22%。
• 模型的综合得分表明共和党以微弱优势领先，表明共和党内容在推特上的参与度和传播性更高。
• 与仅基于情感分析相比，转发量和用户活动的整合显著改变了预测结果，凸显了病毒式传播和传播范围的重要性。
• 尽管预测结果与基于民意调查的预期不同，但该模型的实时表现通过其与最终选举结果的一致性得到验证。
• 本研究证实，多因素推特分析可提供比传统情感分析方法更准确、更及时的选举预测。