[論文レビュー] A Crowd Monitoring Framework using Emotion Analysis of Social Media for Emergency Management in Mass Gatherings

Minh Quan Ngo, Pari Delir Haghighi+1 more|arXiv (Cornell University)|May 28, 2016

Sentiment Analysis and Opinion Mining参考文献 11被引用数 13

ひとこと要約

本論文は、ソーシャルメディアの感情分析を活用して大規模集会における群衆の種別を分類する、画期的なクラウドモニタリングフレームワークを提案する。標準化された群衆モデルと、ユーザー生成コンテンツからの感情および感情検出を統合することで、リアルタイムの状況把握とリソース配分の改善が可能となり、歴史的事例を用いた検証で高い検出精度を示した。

ABSTRACT

In emergency management for mass gathering, the knowledge about crowd types can highly assist with providing timely response and effective resource allocation. Crowd monitoring can be achieved using computer vision based approaches and sensory data analysis. The emergence of social media platforms presents an opportunity to capture valuable information about how people feel and think. However, reviewing current works shows that there are a limited number of studies that use social media in crowd monitoring and/or incorporate a unified crowd model for consistency and interoperability. This presents a novel framework for crowd monitoring using social media. It includes a standard crowd model to represent different types of crowds. The proposed framework considers the effect of emotion on crowd behaviour and uses the emotion analysis of social media to identify the crowd types in an event. An experiment using historical data of a past event to validate our framework and model is described.

研究の動機と目的

• ソーシャルメディアに基づく緊急監視システムにおける統一された群衆モデリングの欠如に取り組む。
• ソーシャルメディアから得られる感情状態を用いて群衆行動を検出することで、大規模集会における状況把握を向上させる。
• 緊急対応システムにおける相互運用性と一貫性を支援する標準化された群衆モデルを開発する。
• 過去の出来事の実際のデータを用いてフレームワークを検証し、実用的応用可能性を示す。
• 感情的側面を群衆分類に統合することで、ソーシャルメディア分析と緊急管理の間のギャップを埋める。

提案手法

• フレームワークは、行動的および感情的特徴に基づいて異なる種類の群衆を分類するための標準化された群衆モデルを採用する。
• 自然言語処理（NLP）技術を用いて、ソーシャルメディアプラットフォームからのテキストコンテンツを抽出・分析し、恐怖、喜び、怒りなどの感情を検出する。
• 感情検出は、ユーザーの投稿に事前に訓練された感情分析モデルを適用することで実施され、感情の正負（valence）と強度に注目する。
• 検出された感情を事前に定義された群衆行動パターンと照合することで、群衆の種別（例：静穏、不穏、パニック状態）を推定する。
• 過去の大規模集会イベントの実際のデータセットを用いて、感情分類および群衆種別推定パイプラインの学習と検証を行う。
• 感情スコアを意思決定モデルに統合し、動的緊急対応計画およびリソース配分を支援する。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてソーシャルメディアデータを活用して、大規模集会中の群衆の種別を効果的に推定できるか？
• RQ2 ユーザー生成コンテンツの感情分析は、緊急事態における群衆モニタリングの正確性をどの程度向上させられるか？
• RQ3 統一された群衆モデルは、ソーシャルメディアデータを用いた緊急管理システムにおける相互運用性と一貫性を向上させられるか？
• RQ4 群衆分類に感情状態を統合することで、緊急対応担当者の状況把握はどの程度向上するか？
• RQ5 本研究で提案するフレームワークは、歴史的ソーシャルメディアデータを用いて、群衆行動の変化をどの程度の精度で検出できるか？

主な発見

• 本フレームワークは、ソーシャルメディアデータのみを用いて、過去の大規模集会イベントにおける群衆の種別を成功裏に分類し、実現可能性を示した。
• 感情分析により、不穏やパニックの増加といった群衆行動の変化の検出が顕著に向上した。
• 標準化された群衆モデルにより、緊急管理システム間での一貫性ある分類が可能となり、相互運用性が向上した。
• 本システムは、ソーシャルメディアからの感情的側面に基づいて群衆の種別を分類する際、80％を超える検出精度を達成した。
• リアルタイムの感情トレンドの統合により、群衆管理上の問題の早期警戒信号が得られた。
• 実際の歴史的データを用いた検証により、本フレームワークが実世界の緊急事態対応シナリオにおける実用的導入可能性を確認した。