在 Altmetrics 大规模数据中利用推文情感
社会与信息网络
2020-09-01 v1
摘要
本文旨在利用关于科学文献的社交交流(具体为推文),分析社交媒体用户在特定研究领域内对出版物的情感。首先,我们采用 SentiStrength 工具并扩展以新构建的词典术语,对 Altmetric.com 提供的关联 1,083,535 篇出版物的 6,482,260 条推文进行情感分类。随后,我们提出基于调和均值的统计度量,利用正向与负向情感分数及频率度量生成专用词典。接着,我们采用一种从文章级摘要到领域级情感分析的新颖方法,以衡量 Twitter 上社交媒体用户对科学文献的看法。最后,我们提出并采用一种基于方面的分析方法,挖掘用户与文章各方面(如关于标题、摘要、方法、结论或结果部分的推文)相关的表达。我们表明,研究群体对其各自领域表现出相异的情感。对文章方面的领域分布分析显示,在医学、经济学、商业与决策科学中,推文方面聚焦于结果部分;相反,在物理学与天文学、材料科学及计算机科学中,这些方面聚焦于方法部分。总体而言,该研究有助于我们理解科学界在科学文献上的在线社交交流情感。具体而言,此类细粒度分析可帮助研究群体改进其关于科学文章的社交媒体交流,以有效传播科学发现并进一步提升社会影响。
引用
@article{arxiv.2008.13023,
title = {Exploiting Tweet Sentiments in Altmetrics Large-Scale Data},
author = {Saeed-Ul Hassan and Naif Radi Aljohani and Usman Iqbal Tarar and Iqra Safder and Raheem Sarwar and Salem Alelyani and Raheel Nawaz},
journal= {arXiv preprint arXiv:2008.13023},
year = {2020}
}
备注
32 pages, 5 figures, 5 tables