情绪波动：Twitter 上集体情感的动态变化
社会与信息网络
2016-04-13 v1 机器学习
摘要
我们研究了 Twitter 用户的情感水平与用户通过 @-提及彼此创建的不断演化的网络结构之间的关系。我们使用了一个大型推文数据集，并对其应用了三种情感评分算法，包括开源的 SentiStrength 程序。具体来说，我们做出了三点贡献。首先，我们发现具有潜在最大传播范围（根据动态中心性度量）的用户使用情感的方式与普通用户不同：例如，他们更频繁地使用积极情感，而较少使用消极情感。其次，我们发现，当我们在数月内跟踪结构稳定的 Twitter 社区时，它们的情感水平也是稳定的，并且社区情感从一天到下一天的突然变化在大多数情况下可以追溯到影响该社区的外部事件。第三，基于我们的发现，我们创建并校准了一个简单的基于智能体的模型，该模型能够重现与我们从经验数据集中获得的情感响应度量相当的度量。
引用
@article{arxiv.1604.03427,
title = {In the mood: the dynamics of collective sentiments on Twitter},
author = {Nathaniel Charlton and Colin Singleton and Danica Vukadinović Greetham},
journal= {arXiv preprint arXiv:1604.03427},
year = {2016}
}