Twitter and Polls: Analyzing and estimating political orientation of Twitter users in India General #Elections2014
今年(2014年)5月,第15届人民院的任期即将结束,并将举行543个议会席位的选举。这些选举花费了50亿美元,这使我们在花费方面仅次于美国总统选举。根据IAMAI(印度互联网和移动协会)的一份报告,互联网用户和在线社交媒体(OSM)用户数量的增加可能会影响3-4%的城市人口投票。从2013年9月到2014年5月,与选举有关的推文数量接近1821万条。我们分析了完整的数据集,发现Twitter上的活动在重要事件期间达到峰值。从我们的数据中可以明显看出,政治家的政治行为影响了他们的追随者数量。我们工作的另一个目的是找到一种有效的方法来分类Twitter上用户的政治倾向。我们使用了四种不同的技术:两种基于推文的内容,一种基于基于用户的特征,另一种基于转推和用户提及网络上的社区发现算法。我们发现社区发现算法效果最好。我们建立了一个门户网站来显示对过去24小时推文的分析。据我们所知,这是第一次对2014年印度大选的选举数据进行分析并对用户进行分类的学术研究。
2014-06-19 cs.SI physics.soc-ph
On quantum models for opinion and voting intention polls
本文通过密度算符和Perron-Frobenius定理建立量子投票模型与民意调查之间的联系,提出从民调概率完整确定密度矩阵的数值方法,并在合成数据与2012年法国总统选举数据上验证了算法。
2024-11-18 physics.soc-ph
Electoral Forecasting Using a Novel Temporal Attenuation Model: Predicting the US Presidential Elections
选举预测是一项持续的科学挑战,具有很高的社会影响力,因为目前的数据驱动方法试图将统计数据与经济指数和机器学习有效地结合起来。然而,最近的研究在网络科学指向的重要性,时间特性的意见传播。因此,我们结合微观观点动力学和时间流行病的概念,并开发了一种新的宏观尺度的时间衰减(TA)模型,它使用选举前的民意调查数据,以提高预测精度。我们的假设是,公布民意调查的时间在民意振荡中起着重要作用,特别是在选举之前。因此,我们定义的势头的意见作为一个时间函数,反弹时,意见被注入到一个多意见系统的选民,并在放松的状态下抑制。我们验证了TA的调查数据,从美国总统选举之间的1968-2016年,TA优于统计方法,以及最好的民意调查在他们的时间,在10出的13个总统选举。我们提出了两种不同的实现TA模型,在48年的时间内,累积的平均预测误差为2.8-3.28点。相反,统计方法累积误差为7.48分,最好的民意调查者累积误差为3.64分。总体而言,TA提供了23-37%的预测性能相比,国家的最先进的。我们表明,TA的有效性不下降时,相对较少的民意调查是可用的,此外,随着越来越多的可用性的选举前调查,我们相信,我们的TA模型将成为一个参考与其他现代选举预测技术。
2020-04-30 cs.CY cs.SI physics.soc-ph
Empirical analysis and agent-based modeling of Lithuanian parliamentary elections
在这篇文章中,我们分析了1992年、2008年和2012年立陶宛议会选举期间各政党在各投票站的选票份额分布。我们发现该分布与Beta分布拟合得相当好。为了重现这一经验观察,我们提出了一个简单的多状态代理的投票行为模型。在所提出的模型中,代理人改变他们投票的政党,要么是特殊的,要么是由于线性招募机制。我们使用该模型来重现1992年选举期间观察到的投票份额分布。我们讨论了模型扩展需要重现在其他选举中观察到的投票份额分布。
2017-11-10 physics.soc-ph
Tactical Voting in Plurality Elections
有多少次选举会以压倒性胜利告终?一对一比赛的概率是多少?分析几个大国的投票结果,观察到了相当反常但无法解释的分布。我们确定策略性投票的驱动因素的异常,并引入一个模型来研究其对多元化选举的影响,其特征在于从民意调查的反馈和社会中的个人之间的成对互动的相对强度。有了这个模型,就有可能解释两个候选人之间的选票两极分化,了解在不同的选举中经常观察到的小幅度的胜利,并分析民意调查在美国,加拿大和巴西选票的影响。此外,该模型再现,定量,在巴西市长选举中获得的选票分布有两个,三个和四个候选人。
2010-09-16 physics.data-an physics.soc-ph
Forecasting Election Polls with Spin Systems
我们指出,政治预测问题,即预测选举和公民投票的结果,可以映射到寻找一个经典自旋系统的基态组态。根据所需的预测,这个自旋系统可以是XY、伊辛和矢量波茨模型的组合,总是带有双自旋相互作用、磁场和任意图形。通过简化为伊辛模型,我们的结果表明,政治预测是一个NP-难问题。此外,我们表明,基态搜索可以重铸为高阶和二次无约束二元优化(HUBO / QUBO)问题,这是经典和量子组合优化技术的标准输入。我们证明了我们的方法的有效性进行数值实验的基础上收集的数据从Twitter的网络的10人,发现从民意调查结果和我们的模型预测之间的良好协议。一般来说,我们的方法也可以被理解为一种趋势检测算法,在情感分析和识别假新闻的背景下特别有用。
2021-12-06 cond-mat.stat-mech physics.soc-ph quant-ph
Results on Three predictions on July 2012 Federal Elections in Mexico based on past regularities
2012年7月的墨西哥总统选举是PREP(以前的选举结果计划)第三次发挥作用。PREP根据到达捕获中心的每个投票站的选举证书给出投票结果。在以前的研究中,观察到了一些统计学上的偏差,其中三个被选中进行预测,并发表在\texttt{arXiv:1207.0078 [physics.soc-ph]}上。利用2012年7月公布的数据库,其中两项预测完全实现,而第三项预测则利用应选举当局要求获得的数据库进行了测量和确认。前两个预测证实的实际措施是:(二)革命革命党,革命制度党,是一个短跑运动员,并有一个更好的表现,在投票站迟到,以捕捉中心的过程中。(iii)该政党的选票分布可以用一个光滑函数来描述,称为Daisy模型。Gamma分布,但与Daisy模型兼容,也适合该分布。第三个预测证实了{ \it errare humanum est},因为所有自洽变量的误差分布都表现为2000年和2006年选举过程中的中心幂律。无论政治环境如何,这三个衡量标准都出现了。
2013-06-28 physics.soc-ph
Validation of Twitter opinion trends with national polling aggregates: Hillary Clinton vs Donald Trump
从实时社交媒体中测量和预测意见趋势是大数据分析的长期目标。尽管社交媒体活动很重要,但到目前为止,还没有确凿的科学证据表明社交媒体活动可以捕捉普通民众的意见。在这里,我们开发了一种方法来推断Twitter用户对2016年美国总统大选候选人的意见,通过使用复杂网络的统计物理学和基于标签共现的机器学习的组合来开发一个接近100万条推文的域内训练集。我们调查了数以百万计的Twitter用户之间的互动所形成的社交网络,并推断出每个用户对总统候选人的支持。由此产生的Twitter趋势遵循《纽约时报》全国民意调查平均值,该平均值代表了数百项独立传统民意调查的总和,具有惊人的准确性。此外,Twitter的民意趋势比《纽约时报》的综合民意调查早10天,这表明Twitter可以成为全球民意趋势的早期信号。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,而成本只是全国民意调查的一小部分。
2017-04-26 cs.SI physics.soc-ph
Measuring relative opinion from location-based social media: A case study of the 2016 U.S. presidential election
社交媒体已成为民意调查的新兴替代品,用于收集民意,但作为被动数据源,它仍然面临许多挑战,如无结构性,可量化性和代表性。带有地理标签的社交媒体数据为揭示表达意见的用户的地理位置提供了新的机会。本文旨在回答两个问题:1)是否可以从社交媒体获得可量化的民意测量,以及2)与民意调查相比,它是否可以产生更好或补充的措施。本研究提出了一种新的方法来衡量Twitter用户对公共问题的相对意见,以适应更复杂的意见结构,并利用地理有关的公共问题。为了确保这种新措施在技术上可行,开发了一个建模框架,包括通过采用最先进的方法构建训练数据集,并设计了一种新的深度学习方法,称为Opinion-Oriented词嵌入。通过对2016年美国总统大选中所选推文的案例研究,我们展示了我们相对观点方法的预测优势,并展示了它如何帮助视觉分析和支持观点预测。虽然相对意见措施被证明是更强大的民意调查相比,我们的研究也表明,前者可以有利地补充后者的意见预测。
2020-04-20 cs.CY cs.SI physics.soc-ph
A data-driven model for Mass Media influence in electoral context
大众传媒在政治场景中占据着中心地位,在公民舆论形成过程中具有说服力。特别是,鉴于在选举日之前可以获得与候选人和民意调查有关的新闻,因此可以在选举期间监测大众媒体与公民行为之间关系的研究。在本文中,我们提出了一个新的二维数据驱动的大众媒体模型的基础上,语义分析的报纸和全国选举调查,我们用它来分析如何一个单一的影响机制应该表现,以再现选民的行为。使用简单可行的动态规则,我们能够找到模型的预测和民意调查之间的显着协议,这有助于我们了解读者和媒体之间的相互作用的潜在机制。
2019-10-01 cs.SI physics.soc-ph
A stochastic differential equation approach to the analysis of the UK 2016 EU referendum polls
人类动力学和社会物理学提出了统计模型,可以解释并为我们提供更好的洞察社会现象。在这里,我们提出了一个基于随机微分方程的生成模型,使我们能够分析导致英国2016年欧盟公投的民意调查。经过初步分析的时间序列的民意调查结果,我们提供的实证证据表明,贝塔分布,这是一个自然的选择时,建模比例,适合这个时间序列的边际分布。我们还提供了证据的预测能力,所提出的模型。
2018-05-16 physics.soc-ph
Social Media Would Not Lie: Prediction of the 2016 Taiwan Election via Online Heterogeneous Data
网络媒体的流行吸引了来自各个领域的研究人员来探索人类行为并做出有趣的预测。在这项研究中,我们利用从各种在线平台收集的异构社交媒体数据来预测台湾2016年总统大选。与大多数现有的研究相比,我们采取“信号”的异构信息的观点,并采用卡尔曼滤波器融合多个信号到日常的候选人的投票预测。我们还考虑影响选举的事件,以定量的方式基于所谓的事件研究模型,起源于金融研究领域。我们获得了以下有趣的发现。首先,网络媒体的民意在预测力和时效性方面都优于传统民意调查。但离线调查仍然可以起到缓解在线意见样本偏差的作用。其次,尽管随着选举日的临近,在线信号会逐渐趋同,但Facebook上简单的“赞”始终是选举结果的最强指标。第三,大多数有影响力的事件都与两岸关系有很强的关联,周子瑜国旗事件后紧接着选前一天的道歉视频,让蔡英文的得票率增加了3.66%。这项研究证明了网络媒体在政治上的预测能力和信息融合的优势。结合使用卡尔曼滤波器和事件研究方法有助于数据驱动的政治分析范式的预测和归因的目的。
2018-04-04 cs.SI physics.soc-ph stat.AP
Information flow in political elections: a stochastic perspective
很多时候,一个候选人的吸引力与他对各种政策和社会问题的明确意识形态和观点直接相关。利用随机微分方程和Ornstein-Uhlenbeck过程的思想,我们开发了一个现象学模型来理解(联合国)清楚地传达候选人的政策立场的投票公众的影响。我们将证明,与直觉相反,在立场上保持模糊是有可量化的优势的。
2020-09-11 physics.soc-ph stat.AP
Voter Turnouts Govern Key Electoral Statistics
本文利用随机投票模型从选民投票率中解析推导并预测获胜者、亚军得票及胜选差距等关键选举统计量,并通过印度多尺度选举数据验证了其准确性、尺度不变性及普适性。
2025-01-03 physics.soc-ph
Noncooperative dynamics in election interference
外国势力干涉国内选举是对社会的生存威胁。这种干涉通过从战争到言论的无数方法表现出来,是经济和政治代理人之间战略互动的及时例子。我们将理性博弈者之间的这种互动建模为连续时间微分博弈,构建了一个具有各种支付结构的竞争分析模型。只有一个参与者对游戏结果的全有或全无的态度导致了军备竞赛,两国都在干涉和反干涉行动上花费越来越多的资金。然后,我们将我们的模型与有关俄罗斯干涉2016年美国总统大选的数据进行对比。我们介绍和估计的贝叶斯结构时间序列模型的选举民意调查和社交媒体帖子的俄罗斯Twitter巨魔帐户。我们的分析模型,虽然有目的地抽象和简单,充分捕捉到选举和社交媒体活动的许多时间特征。最后,我们讨论了我们的模型的缺点和建议,为今后的研究。
2020-01-09 econ.GN physics.soc-ph q-fin.EC
Election Predictions as Martingales: An Arbitrage Approach
我们考虑二元选举结果的估计作为鞅,并提出了一个套利定价时,不断更新的估计。我们认为,估计需要作为一个二元期权定价的套利估值最大限度地减少了传统上使用的Brier得分跟踪概率评估的准确性。我们从标准的算术布朗运动中构造了一个对偶鞅过程$Y$,在$[L,H]$中构造了$X$,在$(-\infty, \infty)$中构造了$X$,并相应地进行了价格选择.双重过程$Y$可以表示成功所需的数字投票。我们展示了估计量的波动率与基础变量的波动率之间的关系。当最终结果存在高度不确定性时,1)二元期权的套利价值接近50%,2)即使民意调查或其他基础显示显着变化,估计也不应该发生大的变化。在1)二进制值,2)$Y$的估计,3)$Y$的估计在剩余到期时间上的波动率之间存在套利关系。我们注意到,在2016年美国总统选举中,各种预测团体经常违反这些套利关系,以及需要考虑候选人成功的所有中间评估的概念,而不仅仅是最终评估。
2019-07-02 physics.soc-ph q-fin.PR
Forecasting elections using compartmental models of infection
预测选举是一个具有挑战性的高风险问题,是许多不确定性、主观性和媒体监督的主题。为了阐明这一过程,我们开发了一种方法,从动态系统的角度预测选举。我们的模型借鉴了流行病学的思想,我们使用美国选举的民意调查数据来确定其参数。令人惊讶的是,我们的通用模型在2012年和2016年美国总统、参议员和州长竞选中的表现与流行的预测者一样好。虽然传染和投票动态不同,我们的工作提出了一个有价值的方法来阐明选举是如何在各州之间的关系。它还说明了以不同方式对不确定性进行会计处理的效果,提供了一个使用动态系统进行数据驱动预测的例子,并为未来的政治选举研究提出了途径。最后,我们对2018年11月6日至11月6日的参议员和州长选举进行了预测,并于2018年11月5日发布。
2020-09-18 cs.SI math.DS nlin.AO