大数据为你预测2016美国大选

摘要：近年来，社交媒体逐渐成为民众在大选时发表观点和对候选人意见的渠道。推特，为一个公共和广泛使用的渠道，提供了一个衡量和预测竞选动态的平台。现在，“超级星期二”已经过去，让我们来分析一下党内初选的情况。

我们以模式匹配的方式从推特的API 10%的样本中收集了关于每个候选人的政治性推文。以下，我们展示了2015年1月1日至2016年2月25日的推文日频率以及相应的平均感情指数（由我们的LaBMT幸福感数据库得出）。2015年期间的峰值发生在电视辩论期间。至于平均感情指数则需要进行进一步的分析，我们将分析集中在几个主要候选人上。

让我们从两个民主党候选人开始分析：希拉里·克林顿和伯纳德·桑德斯。对于每个候选人，分析都包括各自支持者和反对者的推文，以及包括多位候选人的推文。在幸福感时间序列中，我们可以看到桑德斯的平均指数比克林顿的略高（5.85比5.7）。在两党领先的候选者中，关于桑德斯的推文的关键词有最高的平均幸福指数。在本文后面部分，将会分析是哪些具体的词语造成了这个差异。

至于共和党，在同样的时间序列中，特朗普在推文中的提及率占有明显的领先优势。其他候选人在同一个坐标轴中几乎不可见。而关于每位共和党候选人的推文的幸福感指数则可进行比较，特朗普相对于克鲁兹和卢比奥有微弱的优势，对于卡森有明显的优势。并且，特朗普的平均幸福指数比克林顿略高（5.79比5.70），但仍比桑德斯低（5.79比5.85）。

知道了相对幸福指数还只是一个开始，我们要知道对于每位候选人而言是哪些词推动了分值。在下面的词语图中，词语的颜色根据感情状态表示（越蓝越快乐，越紫越悲伤），词语的大小由加权平均tf-idf值决定，一种原始频率和相对“惊奇”因素的结合。

桑德斯

在桑德斯的词图中，词语的大小差不多，表明关于桑德斯的竞选有比较多的可述范围，他的推文反映了一系列的讨论主题，其中，偏正面的词汇包括了“支持”，“真相”，“赞同”，“胜利”。偏负面的词汇有着政治的天然属性，反映了他对华尔街的贪婪的抵制以及一般民众所面对的财务问题，而这也正是他的竞选运动的焦点。

克林顿

克林顿的词图中，正面词汇与负面词汇相交织，其中比较重要的正面词汇有“经验”，“才能”，“女性”，“世界”；负面词汇有“犯罪”，“调查”和“谎言”，也许是与电子邮件服务器丑闻相关。

共和党的词图有着相似的主题。特朗普的权重最大的词汇包括支持者形容的“前行”，以及现在的共和党初选中的“胜利”；负面词汇，或许来自于他的反对者，包括“羞辱”，“攻击”，“种族主义”，“骗子”和“危险”。参议院克鲁兹有着相似的词图，反映了他的支持者的政治理想，而负面词汇则多是政治行话及“谎言”。卢比奥和卡森则是负面词汇偏多。

特朗普

克鲁兹

卢比奥

卡森

接下来，我们用词汇转移图对平均幸福指数进行了量化分析。词汇转移图展示了最重要的词汇在比较集和参照集之间的相对位置。比较集包括了我们所收集的所有政治推文，而不包括竞选者，这些推文都产生于2016年 1月至2月25日之间。

第一个词汇转移图比较了与桑德斯相关的推文和其他政治推文。无论是对比参照分布（5.86比5.75）还是其他参选者，与桑德斯相关的推文相对来说更积极一些。这种转移是由于对诸如“自由”，“胜利”，“健康”，“我们”，“年轻”，“民主”，“大学”等正面词汇的越来越多的提及，以及对诸如“骗子”，“谎言”，“憎恨”，“不”，“失败者” ，“坏”等负面词汇的越来越少的提及。使用率最高的负面词汇是“逮捕”，“抗议”，也许是由于参议院桑德斯民主权利运动中因抗议隔离政策而被捕。

克林顿的词汇转移图与参照分布比较相似（5.76比5.77）。负面词汇包括电子邮件调查及“监狱”，“犯罪”，“囚犯”，“丑闻”等。此外，“票据”是以负面形式呈现的词汇（被理解为支付票据），但是在克林顿这里则是指比尔·克林顿。正面词汇主要有“她”，“女性”，“感谢”，“健康”，而负面词汇“憎恨”，“悲伤”，“失败者”，“诈骗”，“种族主义”较少被提及。

在共和党候选人中，特朗普有最高的幸福水平（5.79），其正面词汇有“伟大”，“爱”，“美国”，“更好”等，显然，这与他的宣传口号相关：使美国再次伟大。有趣的是，他的负面词汇包括了更多：“憎恨”，“种族主义”，“死亡”，“失败者”，“悲伤”，“禁止”，以及以亵渎的方式，反映了他的反对者的观点。有两个需要注意的地方：我们没有特别分析特朗普和他的竞选团队的推文；而“悲伤”这个词语几乎完全来自于莱克斯康的广播。