Prédire le flux politique à partir des mises à jour émotionnelles de Twitter

L’analyse prédictive sur les médias sociaux est devenue un outil et une recherche importants dans le Journal international d’exploration de données, de modélisation et de gestion examine comment il pourrait être utilisé pour extraire le contexte émotionnel des flux de données riches en informations sur la plate-forme de micro-blogging Twitter.

Satish Srinivasan et Ruchika Chari de la School of Graduate Professional Studies de Penn State Great Valley à Malvern, Pennsylvanie et Abhishek Tripathi de la School of Business du College of New Jersey, à Ewing, États-Unis, suggèrent que l’exploration de données à grande échelle pourrait être utilisé non seulement pour piéger les émotions au niveau de l’utilisateur individuel, mais à travers de grands groupes d’utilisateurs.

L’entraînement d’un système multinomial naïf de Bayes et l’utilisation de classificateurs de forêts aléatoires sur différents ensembles de données d’entraînement peuvent être utilisés pour extraire une classification émotionnelle des tweets liés à un sujet particulier. L’équipe a réussi à démontrer la preuve de principe en utilisant les mises à jour Twitter associées aux élections présidentielles américaines de 2016. Grâce à cette approche, ils ont pu classer les mises à jour Twitter, appelées « tweets », selon l’un des quatre types d’émotions de base : colère, bonheur, tristesse et surprise. Ils ont ensuite pu dépeindre le flux dans le paysage émotionnel au cours de cette période perturbatrice et conflictuelle de l’histoire américaine moderne.

L’analyse de cet ensemble de données particulier montre à quel point les utilisateurs de Twitter étaient généralement plus satisfaits de Clinton plus tôt dans la campagne, mais à mesure que le jour des élections approchait, il y avait une augmentation progressive du bonheur avec la candidature de Trump et une diminution de la « surprise » associée aux détails de sa campagne. Le résultat, bien sûr, appartient à l’histoire, mais les algorithmes utilisés par l’équipe corroborent la réalité que nous avons vue et, bien sûr, pourraient bien être appliqués à un scénario futur pour faire des prédictions sur un résultat basé sur les émotions classifiées inhérentes aux mises à jour Twitter concernant à ce scénario.