测量线上对事件的情感反应

社交媒体丰富且动态的信息环境为研究人员、政策制定者和企业家提供了及时认识社会现象的机会。然而，由于高度动态的线上信息环境中讨论的话题与事件具有异质性，利用这些数据理解社会行为十分困难。为应对这些挑战，我们提出一种方法，通过对集体情感时间序列进行变点检测，系统性地检测并测量对线下事件的情感反应，并进一步使用基于 transformer 的主题模型解释这些反应。我们在一个涵盖 2020 年 1 月至 8 月（一段巨大社会变革时期）美国大都会地区推文语料库上展示了该方法的效用。我们证明，我们的方法能够细分话题以测量人群的情感与道德反应。这一能力使得利用线上数据更好地监测危机期间人群反应成为可能。