IDENTIFYING AND FORECASTING SHIFTS IN THE MOOD OF SOCIAL MEDIA USERS

Quantitatively identifying and forecasting shifts in a mood of social media users is described. An example method includes categorizing the textual messages generated from the social media users over a selected period of time into a plurality of word categories, with each word category containing a set of words associated with the mood of social media users. A score indicating an intensity of the mood of the social media users is calculated for each word category, wherein a value of the score and its corresponding time point define a data point for the word category. Subsequently, breakpoints in the mood of social media users are determined so that the breakpoints minimize a sum of square errors representing a measurement of a consistency of all data points from inferred values of the scores of the data points derived using the breakpoints over the selected period of time. Further, space of all possible breakpoints for the word categories are searched to identify a defined number and locations of the breakpoints. Finally, the breakpoints over the selected period of time are interpreted to identify the shifts in the mood of social media users and trends between breakpoints. L'invention concerne l'identification et la prévision quantitatives de changements d'humeur d'utilisateurs de média sociaux. Un procédé illustratif consiste à catégoriser les messages textuels, générés par les utilisateurs de média sociaux pendant une période sélectionnée, en une pluralité de catégories de mot, chaque catégorie de mot contenant un ensemble de mots associés à l'humeur des utilisateurs de média sociaux. Un score, indiquant une intensité de l'humeur des utilisateurs de média sociaux, est calculé pour chaque catégorie de mot, une valeur du score et son heure correspondante définissant un point de données pour la catégorie de mot. Subséquemment, des points critiques dans l'humeur d'utilisateurs de média sociaux sont déterminés de telle sorte que les points critiques réduisent à un minimum une somme de carrés d'erreur représentant une mesure d'une cohérence de tous les points de données par rapport à des valeurs déduites des scores des points de données obtenus à l'aide des points critiques sur la période sélectionnée. En outre, un espace de tous les points critiques possibles pour les catégories de mot est exploré pour identifier un nombre défini et les emplacements des points critiques. Enfin, les points critiques sur la période sélectionnée sont interprétés pour identifier