Validation of Twitter opinion trends with national polling aggregates: Hillary Clinton vs Donald Trump.
Validation of Twitter opinion trends with national polling aggregates: Hillary Clinton vs Donald Trump.
复制标题
DOI：
10.1038/s41598-018-26951-y
复制
发表时间：
2018-06-06
影响因子：
4.6
通讯作者：
Makse HA
中科院分区：
文献类型：
--
作者：
Bovet A;Morone F;Makse HA
从实时社交媒体中衡量和预测舆论趋势是大数据分析的长期目标。尽管针对这个问题做了大量的工作，但传统的调查并没有明确证实在线社交媒体的意见趋势。在这里，我们开发了一种方法，通过使用复杂网络的统计物理和基于标签共现的机器学习相结合来推断Twitter用户的意见，从而构建了一个100万条tweet数量级的域内训练集。我们在2016年美国总统大选的背景下验证了我们的方法，将Twitter的民意趋势与纽约时报的全国民意调查平均值进行比较，代表了数百个独立的传统民意调查的总和。Twitter上的观点趋势与《纽约时报》的综合民调结果非常吻合。我们研究了由数百万Twitter支持者之间的互动形成的社交网络的动态，并推断每个用户对总统候选人的支持。我们的分析释放了Twitter的力量，揭示了从选举、品牌到政治运动的社会趋势，而成本只是传统调查的一小部分。
Measuring and forecasting opinion trends from real-time social media is a long-standing goal of big-data analytics. Despite the large amount of work addressing this question, there has been no clear validation of online social media opinion trend with traditional surveys. Here we develop a method to infer the opinion of Twitter users by using a combination of statistical physics of complex networks and machine learning based on hashtags co-occurrence to build an in-domain training set of the order of a million tweets. We validate our method in the context of 2016 US Presidential Election by comparing the Twitter opinion trend with the New York Times National Polling Average, representing an aggregate of hundreds of independent traditional polls. The Twitter opinion trend follows the aggregated NYT polls with remarkable accuracy. We investigate the dynamics of the social network formed by the interactions among millions of Twitter supporters and infer the support of each user to the presidential candidates. Our analytics unleash the power of Twitter to uncover social trends from elections, brands to political movements, and at a fraction of the cost of traditional surveys.
登录
查看更多内容
影响因子：
3.7
作者：
Caldarelli G;Chessa A;Pammolli F;Pompa G;Puliga M;Riccaboni M;Riotta G
通讯作者：
Riotta G
影响因子：
4.2
作者：
Beauchamp, Nicholas
通讯作者：
Beauchamp, Nicholas
影响因子：
8.1
作者：
Ceron, Andrea;Curini, Luigi;Iacus, Stefano Maria
通讯作者：
Iacus, Stefano Maria
影响因子：
2.9
作者：
Borondo, J.;Morales, A. J.;Benito, R. M.
通讯作者：
Benito, R. M.
DOI：
10.1142/s0219024915500430
发表时间：
2015-11-01
影响因子：
0.5
作者：
Curme, Chester;Stanley, H. Eugene;Vodenska, Irena
通讯作者：
Vodenska, Irena