[论文解读] Understanding Public Sentiments, Opinions and Topics about COVID-19 using Twitter

Jolin Shaynn-Ly Kwan, Kwan Hui Lim|arXiv (Cornell University)|Dec 5, 2020

Misinformation and Its Impacts参考文献 18被引用 4

一句话总结

本文提出了一种多方法框架，整合了情感分析、情绪检测和主题建模，基于2020年3月至6月期间的910,000条地理定位英文推文，研究新冠疫情早期阶段公众的情感、情绪和讨论主题。主要发现显示区域情感变化显著——例如，新加坡在封城结束后信任感和喜悦感上升，而英国在政策不确定性期间恐惧与悲伤情绪上升——同时，主题随时间从负面情绪转向更具适应性的、以技术为中心的话题。

ABSTRACT

The COVID-19 pandemic has caused widespread devastation throughout the world. In addition to the health and economical impacts, there is an enormous emotional toll associated with the constant stress of daily life with the numerous restrictions in place to combat the pandemic. To better understand the impact of COVID-19, we proposed a framework that utilizes public tweets to derive the sentiments, emotions and discussion topics of the general public in various regions and across multiple timeframes. Using this framework, we study and discuss various research questions relating to COVID-19, namely: (i) how sentiments/emotions change during the pandemic? (ii) how sentiments/emotions change in relation to global events? and (iii) what are the common topics discussed during the pandemic?

研究动机与目标

• 理解全球新冠疫情早期阶段公众情感与情绪的演变过程。
• 考察公众情绪与重大全球事件（如政府政策变化和健康公告）之间的关系。
• 识别并追踪不同地区和时间段内与疫情相关的讨论主题的演变。
• 开发一种整合情感、情绪和主题建模的综合性分析框架，以提供公共卫生洞察。

提出的方法

• 通过三个数据集收集了2020年3月12日至6月10日期间910,000条公开的英文推文，包括地理标签和基于用户资料的位置推断。
• 通过转为小写、分词、词形还原和词干提取对推文进行预处理，以准备分析。
• 应用NRC词-情绪关联词典和AFINN词典，检测情感极性和八种核心情绪（如恐惧、喜悦、悲伤、信任）。
• 使用潜在狄利克雷分布（LDA）进行纵向主题建模，以识别公众讨论主题的演变。
• 开展空间与时间分析，比较不同地区（如新加坡、英国）和时间段内的情感与情绪趋势。
• 将情绪变化与关键全球事件（如封锁公告和政策变化）相关联，以评估其对公众情绪的影响。

实验结果

研究问题

• RQ1 在新冠疫情期间，情感与情绪如何变化？
• RQ2 当面临重大全球事件（如政府政策变化或健康公告）时，情感与情绪如何发生转变？
• RQ3 与新冠疫情相关的主导讨论主题是什么？它们如何随时间演变？
• RQ4 不同地区的情感与情绪差异如何反映当地政策与公众应对？

主要发现

• 在新加坡，4月9日至15日这一周，恐惧（11.9%）和悲伤（9.3%）显著下降，而信任（25.1%）和喜悦（15.7%）上升，表明封城结束后公众情绪得到缓解。
• 在英国，4月30日至5月6日期间，恐惧（16.2%）和悲伤（11.9%）显著增加，而喜悦下降至11.4%，反映出政策过渡期和信息混乱带来的公众焦虑。
• 英国从“居家隔离”到“保持警惕”的信息转变被批评为模糊不清，与负面情绪上升和积极情绪下降相关。
• 纵向主题建模显示，公众讨论主题从负面主题（如暴力、边缘化）逐渐转向更具适应性的主题，如远程办公和电子商务，表明社会正在适应疫情。
• 该框架成功捕捉了区域情绪对政策变化的响应，证明其在公共卫生监测中的实用性。
• 情感、情绪与主题建模的整合使我们能够获得关于公众认知的细致洞察，例如政策清晰度如何影响情绪健康。