[论文解读] Russia-Ukraine war: Modeling and Clustering the Sentiments Trends of Various Countries

Hamed Vahdat‐Nejad, Mohammad Ghasem Akbari+3 more|arXiv (Cornell University)|Jan 2, 2023

Opinion Dynamics and Social Influence被引用 6

一句话总结

本研究利用基于 BERT 的情感分类器和基于邻域平均值的时间序列聚类方法，对关于俄罗斯-乌克兰战争的英文推文进行情感趋势建模与聚类。研究揭示了明显不同的地缘政治情感分组：西欧、北美及英国国家表现出一致的情感趋势轨迹，而东欧、北欧、亚洲及南美国家则呈现出另一组共享的情感模式。

ABSTRACT

With Twitter's growth and popularity, a huge number of views are shared by users on various topics, making this platform a valuable information source on various political, social, and economic issues. This paper investigates English tweets on the Russia-Ukraine war to analyze trends reflecting users' opinions and sentiments regarding the conflict. The tweets' positive and negative sentiments are analyzed using a BERT-based model, and the time series associated with the frequency of positive and negative tweets for various countries is calculated. Then, we propose a method based on the neighborhood average for modeling and clustering the time series of countries. The clustering results provide valuable insight into public opinion regarding this conflict. Among other things, we can mention the similar thoughts of users from the United States, Canada, the United Kingdom, and most Western European countries versus the shared views of Eastern European, Scandinavian, Asian, and South American nations toward the conflict.

研究动机与目标

• 利用社交媒体数据分析俄罗斯-乌克兰战争的公众情感趋势。
• 对来自不同国家的推文中的积极与消极情感的时序动态进行建模。
• 基于情感时间序列模式的相似性，识别并聚类国家。
• 揭示冲突期间公众意见形成中的地缘政治模式。
• 评估基于邻域平均值的方法在情感时间序列聚类中的有效性。

提出的方法

• 使用基于 BERT 的模型将与俄罗斯-乌克兰战争相关的英文推文情感分类为积极或消极。
• 为每个国家构建每日积极与消极推文频率的时间序列。
• 提出一种基于邻域平均值的方法，以建模并聚类跨国的情感时间序列。
• 聚类方法识别出随时间呈现相似情感趋势模式的国家群体。
• 对情感频率数据进行聚合与处理，以实现跨国比较分析。
• 该方法强调情感轨迹的时间相似性，以实现有意义的国家分组。

实验结果

研究问题

• RQ1 在俄罗斯-乌克兰战争期间，不同国家的推文情感趋势如何变化？
• RQ2 哪些国家在对冲突的积极与消极情感演变上表现出相似的模式？
• RQ3 基于邻域平均值的方法能否有效建模并聚类来自不同地缘政治区域的情感时间序列？
• RQ4 针对战争，主导的区域情感行为聚类是什么？
• RQ5 西欧、北美与东欧国家在公众情感表达上存在哪些差异？

主要发现

• 美国、加拿大、英国以及大多数西欧国家在时间维度上表现出高度相似的情感趋势模式。
• 东欧、北欧、亚洲及南美国家形成一个独立聚类，其情感轨迹与西欧国家明显不同。
• 基于邻域平均值的聚类方法成功识别出在地理与政治上具一致性的感情分组。
• 情感时间序列建模揭示了公众意见的明显时序转变，特别是在关键冲突事件附近。
• 本研究表明，基于 BERT 的情感分析能有效捕捉实时社交媒体数据中的细微公众情感。
• 结果表明，地缘政治联盟与在线话语中情感相似性存在强烈相关性。