Using a convolutional neural network to compare emotional reactions on Twitter to mass violent events

• Ano de defesa: 2019
• Autor(a) principal: Harb, Jonathas Gabriel Dipp
• Orientador(a): Becker, Karin
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Twitter; Redes neurais
• Palavras-chave em Inglês: Deep learning; Sentiment analysis
• Link de acesso: http://hdl.handle.net/10183/198208

O número de ataques violentos em massa, particularmente de tiroteio em massa e terrorismo, aumentou nos últimos anos. Compreender a reação emocional da população é muito importante para ajudá-los a lidar com o constante sentimento de ameaça e medo de forma eficaz. Neste trabalho, aplicamos técnicas de aprendizagem profunda para classificar emoções expressas por usuários do Twitter e desenvolvemos uma análise comparativa de reações emocionais referente à doze eventos violentos em massa, detalhados usando informações demográficas extraídas dos perfis de usuários. Para classificar as emoções, uma rede neural convolucional foi treinada, combinando conjuntos de sementes de treinamento automaticamente filtradas e Word Embeddings pré-treinados. oram comparados quatro eventos de terrorismo e oito incidentes de tiro em massa em termos de mudança emocional e emoções prevalentes; influência nas emoções devido a gênero, idade, proximidade com o evento e número/tipo de vítimas; e também termos usados para expressar as reações. Foram observados padrões semelhantes para os dois tipos de eventos, principalmente em termos de emoções prevalentes (raiva, medo e tristeza, respectivamente) e influência do gênero nas emoções (por exemplo, medo para as mulheres e raiva para os homens). A proximidade com os eventos é influente apenas em eventos de tiro em massa. Tweeters expressando medo e tristeza tendem a compartilhar palavras de empatia e apoio, enquanto aqueles que expressam raiva tendem a usar palavras intensas de ódio, intolerância e clamor por justiça.