[论文解读] Sentiment Analysis of Typhoon Related Tweets using Standard and Bidirectional Recurrent Neural Networks

Joseph Marvin Imperial, Jeyrome Orosco+2 more|arXiv (Cornell University)|Aug 3, 2019

Public Relations and Crisis Communication参考文献 1被引用 6

一句话总结

本研究应用标准双向循环神经网络（RNN）对2013–2014年菲律宾台风期间的39,867条台风相关推文进行情感分析。采用双向RNN实现87.69%的二元情感分类准确率，结果显示51.1%的推文表达积极情绪，19.8%为负面情绪，29%为中性情绪，凸显了灾难事件期间公众的情感反应。

ABSTRACT

The Philippines is a common ground to natural calamities like typhoons, floods, volcanic eruptions and earthquakes. With Twitter as one of the most used social media platform in the Philippines, a total of 39,867 preprocessed tweets were obtained given a time frame starting from November 1, 2013 to January 31, 2014. Sentiment analysis determines the underlying emotion given a series of words. The main purpose of this study is to identify the sentiments expressed in the tweets sent by the Filipino people before, during, and after Typhoon Yolanda using two variations of Recurrent Neural Networks; standard and bidirectional. The best generated models after training with various hyperparameters achieved a high accuracy of 81.79% for fine-grained classification using standard RNN and 87.69% for binary classification using bidirectional RNN. Findings revealed that 51.1% of the tweets sent were positive expressing support, love, and words of courage to the victims; 19.8% were negative stating sadness and despair for the loss of lives and hate for corrupt officials; while the other 29% were neutral tweets from local news stations, announcements of relief operations, donation drives, and observations by citizens.

研究动机与目标

• 利用社交媒体数据研究台风伊罗拉期间及之后的公众情绪。
• 比较标准RNN与双向RNN在分类灾难相关推文情感方面的性能。
• 理解Twitter上公众话语在台风发生前、期间和之后的情感基调。
• 为灾难应对与沟通规划提供公众情绪动态的洞察。

提出的方法

• 对2013年11月1日至2014年1月31日期间收集的39,867条推文进行预处理，涵盖台风伊罗拉的影响。
• 应用标准和双向循环神经网络（RNN）对文本数据进行序列建模。
• 通过调整多种超参数训练模型，以优化情感分类性能。
• 采用细粒度分类与二元分类方案评估情感表达。
• 使用标准指标在保留的测试集上评估模型准确率。

实验结果

研究问题

• RQ1 标准RNN与双向RNN在分类台风相关推文情感方面表现如何比较？
• RQ2 在台风伊罗拉期间及之后，公众推文中积极、消极和中性情绪的分布情况如何？
• RQ3 公众情绪如何随台风事件的时间线演变？
• RQ4 基于RNN的模型在检测短篇、非正式社交媒体文本中的情感基调方面，准确度如何？

主要发现

• 双向RNN在二元情感分类中达到最高准确率87.69%，优于标准RNN。
• 标准RNN在细粒度情感分类中达到81.79%的准确率。
• 分析的推文中51.1%表达了积极情绪，包括对受害者的爱、支持与鼓励。
• 19.8%的推文传达了负面情绪，主要表现为对生命损失的悲伤以及对腐败官员的愤怒。
• 29%的推文为中性，内容包括新闻更新、救援行动公告和民众观察。
• 结果表明，双向RNN在灾难事件期间捕捉短文本社交媒体中上下文情感方面具有显著有效性。