[論文レビュー] A Twitter Tale of Three Hurricanes: Harvey, Irma, and Maria

Firoj Alam, Ferda Ofli+2 more|arXiv (Cornell University)|May 14, 2018

Public Relations and Crisis Communication参考文献 34被引用数 39

ひとこと要約

本稿は、ハリーベル、イルマ、マリアのハリケーンの際のTwitterデータを自然言語処理（NLP）およびコンピュータビジョン技術を用いて多次元的分析し、危機管理に役立つイン사이트を抽出する。社会的メディアには、テキストおよび画像の両方において豊富でリアルタイムの情報が含まれており、機械学習モデルがコンテンツを人道的分類に効果的に分類し、公衆の感情の変化や被害の深刻度の推移を明らかにしている。

ABSTRACT

People increasingly use microblogging platforms such as Twitter during natural disasters and emergencies. Research studies have revealed the usefulness of the data available on Twitter for several disaster response tasks. However, making sense of social media data is a challenging task due to several reasons such as limitations of available tools to analyze high-volume and high-velocity data streams. This work presents an extensive multidimensional analysis of textual and multimedia content from millions of tweets shared on Twitter during the three disaster events. Specifically, we employ various Artificial Intelligence techniques from Natural Language Processing and Computer Vision fields, which exploit different machine learning algorithms to process the data generated during the disaster events. Our study reveals the distributions of various types of useful information that can inform crisis managers and responders as well as facilitate the development of future automated systems for disaster management.

研究の動機と目的

• 主なハリケーン発生時におけるTwitter上でのテキストおよびマルチメディアコンテンツの分布と有用性を理解すること。
• リアルタイムの災害対応における情報過多の課題に対処するため、非構造的ソーシャルメディア・ストリームから構造的かつ実行可能なデータを抽出するAI技術を適用すること。
• 被災状況、ニーズ、公衆の感情に関するタイムリーで分類された情報を、人道的支援団体および緊急対応担当者に提供すること。
• 実世界の災害データに対して最先端のAI手法の有効性を実証することで、自動化された危機管理システムの発展を支援すること。
• 研究および危機インフォーマティクス分野における開発を支援するため、収集したTwitterデータおよびツールを公開すること。

提案手法

• 被災、避難、避難所などの人道的対応分類に分類するため、教師ありテキスト分類および固有表現抽出（NER）を採用した。
• 各ハリケーン発生中の毎日の議論テーマを特定・追跡するために、トピックモデリング（LDA）を適用した。
• 公衆の感情と認識の時間的変化をモニタリングするため、感情分析を実施した。
• 被害深刻度レベル（軽微、深刻、なし）に分類するコンピュータビジョンモデルを実装し、画像の証拠がテキストの主張を裏付けた。
• テキストと画像のマルチモーダル分析を統合し、情報の質と関連性の整合性と補完性を評価した。
• TwitterのAPIを介した完全なコンテンツ取得を可能にするため、ツイートIDのデータセットとツールをリリースし、CrisisNLP1リポジトリにホスティングした。

実験結果

リサーチクエスチョン

• RQ1 主なハリケーン発生時におけるTwitter上での公衆の感情および議論トピックは、時間経過とともにどのように変化するか？
• RQ2 災害発生時におけるソーシャルメディアで最も頻繁に共有される人道的情報（例：被害、避難所、避難）の種別は何か？
• RQ3 テキストおよび画像からの災害関連コンテンツの検出および分類に、マルチモーダルAI技術はどの程度効果的か？
• RQ4 Twitter上のテキストおよび視覚的コンテンツは、災害影響に関して、補完的であるか、あるいは矛盾する情報を提供するか、どの程度の程度か？
• RQ5 AI駆動のソーシャルメディアデータ分析は、危機対応担当者および緊急管理者のリアルタイム意思決定をどの程度支援できるか？

主な発見

• 3つのハリケーン発生時におけるTwitterのテキストおよび画像データには、被害報告、避難通知、避難所状況など、高い割合で実行可能な危機関連情報が含まれていた。
• 感情分析により、特にハリケーンイルマのピーク期に、不安や苦痛が増加する公衆感情の顕著な変化が明らかになった。
• トピックモデリングにより、陸上直前の初期の警告や避難計画に関する議論から、災害後の回復やインfra構造の被害に関する議論へと変化する議論テーマの流れが特定された。
• 画像分類の結果、ハリケーンマリアが深刻な被害コンテンツの割合が最も高く、次いでイルマ、ハリーベルが最も低かった。
• マルチモーダル分析により、画像がテキストよりも信頼性が高く詳細な被害評価を提供することが判明した。画像のみのツイートの30–40％が、テキストに存在しない重要な被害情報を含んでいた。
• 著者らが公開したデータセットおよびツールにより、再現可能な研究が可能となり、今後の自動化された危機対応システムの開発を支援できる。