[论文解读] What are We Depressed about When We Talk about COVID19: Mental Health Analysis on Tweets Using Natural Language Processing

Irene Li, Yixin Li+4 more|arXiv (Cornell University)|Apr 22, 2020

Sentiment Analysis and Opinion Mining参考文献 13被引用 14

一句话总结

本文提出了一种基于多语言 BERT 的模型，用于分类与新冠疫情相关的推文中的情绪，引入了包含 1,000 条人工标注英文推文的 EmoCT 数据集。研究识别出关键情绪驱动因素，如封锁引发的恐惧以及与经济和健康担忧相关的悲伤情绪，并利用 NLP 分析了情绪趋势在时间和主题上的变化。

ABSTRACT

The outbreak of coronavirus disease 2019 (COVID-19) recently has affected human life to a great extent. Besides direct physical and economic threats, the pandemic also indirectly impact people's mental health conditions, which can be overwhelming but difficult to measure. The problem may come from various reasons such as unemployment status, stay-at-home policy, fear for the virus, and so forth. In this work, we focus on applying natural language processing (NLP) techniques to analyze tweets in terms of mental health. We trained deep models that classify each tweet into the following emotions: anger, anticipation, disgust, fear, joy, sadness, surprise and trust. We build the EmoCT (Emotion-Covid19-Tweet) dataset for the training purpose by manually labeling 1,000 English tweets. Furthermore, we propose and compare two methods to find out the reasons that are causing sadness and fear.

研究动机与目标

• 通过社交媒体语言理解公众对新冠疫情的心理健康反应。
• 解决疫情相关推文中情绪分类领域特定、已标注数据集缺乏的问题。
• 开发一种多语言情绪分类模型，能够实时检测社交媒体数据中的悲伤和恐惧触发因素。
• 分析关键疫情事件（如封锁和口罩使用）引发的情绪反应在时间和主题上的变化。
• 通过支持跨文化和跨语言的公共卫生危机期间公众情绪分析，实现长期心理健康监测。

提出的方法

• 通过人工标注 1,000 条英文推文，构建 EmoCT 数据集，将其划分为八种情绪：愤怒、期待、厌恶、恐惧、喜悦、悲伤、惊讶和信任。
• 在 EmoCT 数据集上对多语言 BERT 模型进行微调，用于单标签和多标签情绪分类任务。
• 使用词性标注（名词和名词短语）进行关键词提取，识别与悲伤和恐惧相关的关键主题。
• 通过情绪标签与提取关键词之间的相关性分析，识别负面情绪的根本原因。
• 利用微调后的 BERT 模型对大规模推文数据（每日最多达 300 万条）进行情绪趋势随时间的追踪。
• 通过案例研究分析特定关键词——口罩和封锁——从 2020 年 3 月 25 日至 4 月 7 日的每日情绪分布。

实验结果

研究问题

• RQ1 在关于新冠疫情的公众社交媒体讨论中，主要的情绪反应（如恐惧、悲伤）是什么？
• RQ2 哪些主题或关键词与疫情相关推文中的悲伤和恐惧情绪最强相关？
• RQ3 在封锁宣布等重大公共卫生事件后，情绪趋势如何随时间演变？
• RQ4 关于口罩和封锁的讨论中，情绪反应有何差异？
• RQ5 多语言 BERT 模型能否在高准确率下有效分类多语言疫情相关推文中的情绪？

主要发现

• 微调后的多语言 BERT 模型在使用 EmoCT 数据集进行单标签和多标签情绪分类任务时均表现出优异性能。
• 讨论“口罩”的推文表现出更高的期待和信任情绪比例，相较于一般疫情相关内容，表明其语气更为中性或充满希望。
• 关于“封锁”的推文总体呈负面情绪，悲伤和厌恶情绪水平较高，尤其在 2020 年 3 月 27 日达到峰值，与美国确诊病例达 10 万例的报道时间吻合。
• 3 月 27 日封锁讨论中厌恶情绪的激增，可能由全球疫情严重性的新闻报道和广泛的社会限制措施引发。
• 关键词分析显示，“经济”、“总统特朗普”、“白宫”、“学校停课”和“枪支商店”常与负面情绪相关联。
• 本研究发现语言和地理背景显著影响情绪表达，支持开展多语言心理健康监测的必要性。