[论文解读] Tweet Emotion Dynamics: Emotion Word Usage in Tweets from US and Canada

Krishnapriya Vishnubhotla, Saif M. Mohammad|arXiv (Cornell University)|Apr 11, 2022

Misinformation and Its Impacts被引用 12

一句话总结

本文介绍了包含4500万条来自美国和加拿大（2015–2021年）的地理定位英文推文的TUSC数据集，以及用于量化情感强度、唤醒度和支配感随时间变化模式的推文情感动态（TED）框架。主要发现显示，加拿大推文的情感强度更高、唤醒度更低、支配感更高，且2020年因疫情导致显著的情感转变；TED指标揭示了情感状态在上升与恢复过程中存在不对称性。

ABSTRACT

Over the last decade, Twitter has emerged as one of the most influential forums for social, political, and health discourse. In this paper, we introduce a massive dataset of more than 45 million geo-located tweets posted between 2015 and 2021 from US and Canada (TUSC), especially curated for natural language analysis. We also introduce Tweet Emotion Dynamics (TED) -- metrics to capture patterns of emotions associated with tweets over time. We use TED and TUSC to explore the use of emotion-associated words across US and Canada; across 2019 (pre-pandemic), 2020 (the year the pandemic hit), and 2021 (the second year of the pandemic); and across individual tweeters. We show that Canadian tweets tend to have higher valence, lower arousal, and higher dominance than the US tweets. Further, we show that the COVID-19 pandemic had a marked impact on the emotional signature of tweets posted in 2020, when compared to the adjoining years. Finally, we determine metrics of TED for 170,000 tweeters to benchmark characteristics of TED metrics at an aggregate level. TUSC and the metrics for TED will enable a wide variety of research on studying how we use language to express ourselves, persuade, communicate, and influence, with particularly promising applications in public health, affective science, social science, and psychology.

研究动机与目标

• 开发一种用于分析社交媒体文本纵向情感动态的框架。
• 解决现有大规模、地理定位的英文推文情感分析数据集匮乏的问题。
• 研究美国与加拿大推文用户在情感表达上的跨国差异。
• 考察新冠疫情对社交媒体集体情感表达的影响。
• 利用TED框架对个体与城市层面的情感动态进行基准测试。

提出的方法

• TUSC数据集由2015至2021年间收集的4500万条地理定位英文推文构建，经过严格后处理以支持语言学分析。
• TED框架应用了如基线值、变异性、上升速率和恢复速率等指标，以建模情感状态随时间的转变。
• 使用NRC VAD词典为每个词分配情感强度（V）、唤醒度（A）和支配感（D）的得分。
• 对个体推文用户和城市应用时间序列分析，计算TED指标，从而实现2019年（疫情前）、2020年（疫情期间）和2021年（疫情后）的纵向比较。
• 对美国与加拿大推文之间以及各年度之间进行统计比较，以识别情感表达中的显著变化。
• TUSC100子集包含17万名推文用户，其2020–2021年间的推文数量不少于100条，使个体层面的情感动态得以进行详细分析。

实验结果

研究问题

• RQ1 美国与加拿大推文用户在情感强度、唤醒度和支配感方面的情感表达模式有何差异？
• RQ2 与疫情前和疫情后年份相比，2020年疫情期间推文的情感基调发生了哪些变化？
• RQ3 个体推文用户在情感动态方面有何差异，特别是情感状态上升与恢复速率方面？
• RQ4 美国与加拿大各城市的市级情感画像如何？它们之间有何对比？
• RQ5 情感动态在不同情感维度（情感强度、唤醒度、支配感）上的差异程度如何，特别是在上升与恢复速率的不对称性方面？

主要发现

• 在所有年份中，加拿大推文的情感强度始终更高（更积极）、唤醒度更低（更平静）、支配感更高（更具控制感），相较于美国推文。
• 2020年疫情爆发期间，情感基调出现显著转变，相比2019年和2021年，情感强度显著下降，唤醒度显著上升。
• 加拿大城市如渥太华、哈密尔顿和维多利亚的推文情感强度得分最高，而底特律、休斯顿、洛杉矶和费城的得分最低。
• 安大略省温莎市在加拿大城市中表现异常，其情感强度与情感变异性更接近美国城市。
• 在情感动态方面，用户从负面或从属状态恢复得更快，但进入更积极或更具支配感状态的速度更慢，表明情感恢复存在不对称性。
• 情感强度与支配感的上升与恢复速率在基线值较低侧（Lo-Hm, Hm-Lo）高于较高侧（Hm-Hi, Hi-Hm），而唤醒度则相反，表明向高唤醒状态的过渡与恢复速度更快。