[论文解读] Social networks, happiness and health: from sentiment analysis to a multidimensional indicator of subjective well-being

Stefano M. Iacus, Giuseppe Porro+2 more|arXiv (Cornell University)|Jan 1, 2015

Complex Network Analysis Techniques被引用 7

一句话总结

本文提出社会福祉指数（SWBI），这是一种基于社交媒体数据情感分析的每日、省级主观福祉指标。通过一种新颖的监督情感分析技术（iSA）和跨时间统计建模，SWBI能够提前预测环境与健康状况（如PM10污染和流感发病率），同时与官方的BES福祉指数共享潜在结构，表明社交媒体情感可作为多维福祉的实时代理指标。

ABSTRACT

This paper applies a novel technique of opinion analysis over social media data with the aim of proposing a new indicator of perceived and subjective well-being. This new index, namely SWBI, examines several dimension of individual and social life. The indicator has been compared to some other existing indexes of well-being and health conditions in Italy: the BES (Benessere Equo Sostenibile), the incidence rate of influenza and the abundance of PM10 in urban environments. SWBI is a daily measure available at province level. BES data, currently available only for 2013 and 2014, are annual and available at regional level. Flu data are weekly and distributed as regional data and PM10 are collected daily for different cities. Due to the fact that the time scale and space granularity of the different indexes varies, we apply a novel statistical technique to discover nowcasting features and the classical latent analysis to study the relationships among them. A preliminary analysis suggest that the environmental and health conditions anticipate several dimensions of the perception of well-being as measured by SWBI. Moreover, the set of indicators included in the BES represent a latent dimension of well-being which shares similarities with the latent dimension represented by SWBI.

研究动机与目标

• 利用社交媒体情感分析开发一种实时、高频的主观福祉指标。
• 评估社交媒体情感是否能提前反映环境与公共卫生状况的变化。
• 将新提出的SWBI与现有福祉指标（如意大利的BES）进行比较，以评估其有效性与潜在结构。
• 通过多维指标探索社会互动、健康与感知生活质量之间的相互关系。
• 证明基于网络情感数据进行福祉与健康趋势实时预测的可行性。

提出的方法

• SWBI通过iSA（整合情感分析）算法构建，从八个福祉维度的在线讨论中提取情感信息。
• 该方法应用基于标注社交媒体内容训练的监督情感分类模型，估算意大利2012至2015年期间各省级单位的每日情感得分。
• 采用一种新颖的统计方法识别‘实时预测’特征，实现在SWBI与具有不同时间粒度的健康/环境指标之间的跨时间对齐。
• 通过潜在变量分析与典型相关分析，比较SWBI与BES福祉指数的潜在结构。
• 利用领先-滞后关系检验环境与健康指标是否能预测感知福祉的变化。
• 使用回归模型评估PM10水平与流感发病率对SWBI各组成部分的预测能力，发现流感影响存在4天的滞后效应。

实验结果

研究问题

• RQ1 将社交媒体情感聚合为多维指标，能否作为主观福祉的可靠且及时的代理？
• RQ2 PM10污染与流感发病率等环境与健康状况是否能提前预测SWBI所衡量的感知福祉变化？
• RQ3 SWBI与官方BES福祉指数在潜在结构上有多大程度的共享？
• RQ4 SWBI的不同组成部分（如情绪、工作、社交）与公共卫生及环境指标之间存在何种关系？
• RQ5 如SWBI与BES各组成部分之间的相关性模式所示，是否存在工作满意度与社交或情绪福祉之间的权衡？

主要发现

• PM10污染水平对SWBI的多个组成部分（包括生活满意度、活力、工作满意度与积极功能）具有统计显著的领先效应，表明其可提前预测福祉变化。
• 流感发病率在4天滞后后对SWBI的情绪组成部分产生负面影响，并降低工作满意度，证实SWBI对急性健康冲击的敏感性。
• SWBI的情绪组成部分与BES主观福祉维度呈显著正相关（p < 0.05，r = 0.672，adj. R² = 0.543）。
• BES的工作与终身（wlt）组成部分与SWBI的工作满意度（wor）显著相关，表明两者在衡量工作相关福祉方面具有一致性。
• 典型相关分析揭示SWBI与BES之间存在共享的潜在维度，但典型系数常呈现相反符号，提示两者在福祉概念化上可能存在差异。
• SWBI与BES经济福祉（ewb）组成部分呈负相关，表明其并非简单反映经济状况，而是捕捉了独特的情绪与社会维度。