Computational Stylistic Analysis of Popular Songs of Japanese Female Singer-songwriters

Wir haben über 570 millionen Twitter-Nachrichten aus einem Zeitraum von 8 Monaten untersucht und festgestellt, dass das tracking einer kleinen Anzahl von Schlüsselwörtern uns erlaubt, Influenzaraten und das Alkoholverkaufsvolumen mit großer Genauigkeit zu schätzen. Wir validieren unseren Ansatz anhand von Regierungsstatistiken und finden starke Korrelationen mit Influenza-artigen Erkrankungen, die von den USZentren für Krankheitskontrolle und –prävention herausgegeben werden (r(14) = .964, p < .001) und mit den Alkoholverkaufsvolumina, die vom USZensus-Amt veröffentlicht werden (r(5) = .932, p < .01). We analyze the robustness of this approach to spurious keyword matches, and we propose a document classification component to filter these misleading messages. We find that this document classifier can reduce error rates by over half in simulated false alarm experiments, though more research is needed to develop methods that are robust in cases of extremely high noise (e.g. Schweinegrippe). Lightweight methods to estimate influenza rates and alcohol sales volume from Twitter messages