从网络搜索查询和移动传感器数据中大规模估计和分析网络用户的情绪

科学领域:

• 计算社会科学 计算社会科学
• 人与计算机的交互
• 情感计算是一种情感计算.

背景情况:

• 估计网络用户情绪状态对于个性化服务至关重要,但在数据收集和地面真相方面面临挑战.
• 现有的方法在非侵入性和准确的情绪状态确定方面扎.

研究的目的:

• 开发一种强大的,非侵入性的方法来估计网络用户的情绪状态.
• 为了创建一个全国性的情绪分数来分析人口层面的情绪动态.
• 调查公众情绪,重大事件 (如COVID-19) 和用户行为之间的关系.

主要方法:

• 建立了一个两步模型:首先,从搜索查询中估计情绪,然后用移动传感器数据补充地面真相.
• 涉及超过1100万用户的大规模数据分析是在商业平台上进行的.
• 全国情绪分数的开发,汇总个人情绪值.

主要成果:

• 两步模型显著提高了情绪状态估计的准确性.
• 全国情绪得分显示了每天和每周的情绪节奏.
• 在COVID-19大流行期间观察到情绪波动,与新病例数相反相关.
• 该系统检测到实时情绪变化,以响应重大新闻事件,并确定了与广告参与相关的情绪模式.

结论:

• 拟议的方法提供了一种有效和可扩展的方法来估计网络用户的心情状态.
• 全国情绪评分为人们对社会事件的心理反应提供了有价值的见解.
• 这项研究证明了利用数字足迹来理解和跟踪集体人类情绪的潜力.