COVID-19 was announced by the World Health Organization as a pandemic on March 11, 2020. Not only has COVID-19 struck the economy and public health, but it also has deep influences on people's feelings. Twitter, as an active social media, is a great database where we can investigate people's sentiments during this pandemic. By conducting sentiment analysis on Tweets using advanced machine learning techniques, this study aims to investigate how public sentiments respond to the pandemic from March 2 to May 21, 2020 in New York City, Los Angeles, London, and another six global mega-cities. Results showed that across cities, negative and positive Tweet sentiment clustered around mid-March and early May, respectively. Furthermore, positive sentiments of Tweets from New York City and London were positively correlated with stricter quarantine measures, although this correlation was not significant in Los Angeles. Meanwhile, Tweet sentiments of all three cities did not exhibit a strong correlation with new cases and hospitalization. Last but not least, we provide a qualitative analysis of the reasons behind differences in correlations shown above, along with a discussion of the polarizing effect of public policies on Tweet sentiments. Thus, the results of this study imply that Tweet sentiment is more sensitive to quarantine orders than reported statistics of COVID-19, especially in populous megacities where public transportation is heavily relied upon, which calls for prompt and effective quarantine measures during contagious disease outbreaks.

COVID-19 于 2020 年 3 月 11 日被世界卫生组织宣布为大流行病。COVID-19 不仅打击了经济和公共卫生，而且对人们的感情也产生了深远的影响。推特作为一个活跃的社交媒体，是一个很好的数据库，我们可以在这个大流行期间调查人们的情绪。通过使用先进的机器学习技术对推文进行情绪分析，本研究旨在调查 2020 年 3 月 2 日至 5 月 21 日期间纽约市、洛杉矶、伦敦和另外六个全球特大城市的公众情绪如何应对这一流行病。结果显示，在各个城市，负面和正面的推文情绪分别集中在 3 月中旬和 5 月初左右。此外，来自纽约市和伦敦的推文的积极情绪与更严格的检疫措施呈正相关，尽管这种相关性在洛杉矶并不显着。同时，这三个城市的推文情绪与新增病例和住院人数均未表现出很强的相关性。最后但同样重要的是，我们对上述相关性差异背后的原因进行了定性分析，并讨论了公共政策对推文情绪的两极分化影响。因此，这项研究的结果表明，与报告的 COVID-19 统计数据相比，Tweet 情绪对检疫命令更为敏感，尤其是在严重依赖公共交通的人口稠密的特大城市中，这需要在传染病爆发期间采取迅速有效的检疫措施。尽管这种相关性在洛杉矶并不显着。同时，这三个城市的推文情绪与新增病例和住院人数均未表现出很强的相关性。最后但同样重要的是，我们对上述相关性差异背后的原因进行了定性分析，并讨论了公共政策对推文情绪的两极分化影响。因此，这项研究的结果表明，与报告的 COVID-19 统计数据相比，Tweet 情绪对检疫命令更为敏感，尤其是在严重依赖公共交通的人口稠密的特大城市中，这需要在传染病爆发期间采取迅速有效的检疫措施。尽管这种相关性在洛杉矶并不显着。同时，这三个城市的推文情绪与新增病例和住院人数均未表现出很强的相关性。最后但同样重要的是，我们对上述相关性差异背后的原因进行了定性分析，并讨论了公共政策对推文情绪的两极分化影响。因此，这项研究的结果表明，与报告的 COVID-19 统计数据相比，Tweet 情绪对检疫命令更为敏感，尤其是在严重依赖公共交通的人口稠密的特大城市中，这需要在传染病爆发期间采取迅速有效的检疫措施。最后但同样重要的是，我们对上述相关性差异背后的原因进行了定性分析，并讨论了公共政策对推文情绪的两极分化影响。因此，这项研究的结果表明，与报告的 COVID-19 统计数据相比，Tweet 情绪对检疫命令更为敏感，尤其是在严重依赖公共交通的人口稠密的特大城市中，这需要在传染病爆发期间采取迅速有效的检疫措施。最后但同样重要的是，我们对上述相关性差异背后的原因进行了定性分析，并讨论了公共政策对推文情绪的两极分化影响。因此，这项研究的结果表明，与报告的 COVID-19 统计数据相比，Tweet 情绪对检疫命令更为敏感，尤其是在严重依赖公共交通的人口稠密的特大城市中，这需要在传染病爆发期间采取迅速有效的检疫措施。