[論文レビュー] Condition Sensing for Electricity Infrastructure in Disasters by Mining Public Topics from Social Media

Yudi Chen, Angel Umana+2 more|arXiv (Cornell University)|Mar 1, 2021

Public Relations and Crisis Communication参考文献 22被引用数 4

ひとこと要約

本稿では、災害時におけるソーシャルメディアから電力インフラの状態を抽出・モデリングするためのBERTベースの手法を提案する。一文字語（unigram）、二文字語（bigram）、三文字語（trigram）を用いて、一般のトピックを抽出する。フロリダ州のハリケーン・アイリスに適用したところ、停電の時間的・空間的変化を的確に捉えることに成功し、ソーシャルメディアがリアルタイムでのインフラセンシングに有効であることが示された。

ABSTRACT

Timely and reliable sensing of infrastructure conditions is critical in disaster management for planning effective infrastructure restorations. Social media, a near real-time information source, has been widely used in disasters for forming timely situational awareness. Yet, using social media to sense electricity infrastructure conditions has not been explored. This study aims to address the research gap through mining public topics from social media. To achieve this purpose, we proposed a systematic and customized approach wherein (1) electricity-related social media data is extracted by the classifier developed based on Bidirectional Encoder Representations from Transformers (BERT); and (2) public topics are modeled with unigrams, bigrams, and trigrams to incorporate the formulaic expressions of infrastructure conditions in social media. Electricity infrastructures in Florida impacted by Hurricane Irma are studied for illustration and demonstration. Results show that the proposed approach is capable of sensing the temporal evolutions and geographic differences of electricity infrastructure conditions.

研究の動機と目的

• 災害時におけるソーシャルメディアを用いた電力インフラ状態のリアルタイムセンシングに関する研究ギャップを埋める。
• 一般のソーシャルメディア投稿から電力関連トピックを抽出・モデリングする体系的かつ包括的な手法を開発する。
• 近似リアルタイムでのデータ分析により、停電パターンの即時の状況把握を可能にする。
• 本手法が災害後における時間的・空間的ダイナミクスを検出できる能力を実証する。

提案手法

• ソーシャルメディア投稿に含まれる電力関連コンテンツを特定するためのBERTベースの分類器を訓練する。
• 特定された投稿から一文字語（unigram）、二文字語（bigram）、三文字語（trigram）を抽出し、インフラ状態の表現をモデリングする。
• 停電や復旧を記述するフォーマルな言語パターンを捉えるために、トピックモデリング手法を適用する。
• 地理的および時間的メタデータを用いて、インフラ状態の空間的・時間的変化を分析する。
• フロリダ州のハリケーン・アイリスのソーシャルメディアデータを用いて、本手法を検証する。
• 多スケールの言語的特徴（n-gram）を統合することで、非公式なテキストにおける条件固有の表現の検出精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 災害時におけるソーシャルメディアデータは、電力インフラ状態を的確にセンシングするために効果的に活用可能か？
• RQ2 BERTベースの分類は、非公式なソーシャルメディアテキストにおける電力関連コンテンツをどれほど正確に検出できるか？
• RQ3 n-gramモデリングは、ユーザー生成コンテンツにおけるインフラ状態の構造的表現をどの程度正確に捉えることができるか？
• RQ4 本手法は、災害後における停電パターンの時間的・空間的変化を検出できるか？
• RQ5 タイムリーさとカバー範囲の観点から、従来のセンシングやモニタリング手法と比較して、本手法はどのように優れているか？

主な発見

• BERTベースの分類器は、ソーシャルメディアからの電力関連コンテンツの特定において高い正確性を達成した。
• 一文字語（unigram）、二文字語（bigram）、三文字語（trigram）を用いたモデリングにより、非公式な言語におけるインフラ状態のフォーマルな表現を効果的に捉えることができた。
• 本手法は、フロリダ州の各地域における停電の深刻度と回復の時間的傾向を的確に検出できた。
• 地理的分析により、ハリケーン・アイリスの影響後、停電期間や復旧進捗に空間的格差が存在することが明らかになった。
• 本手法は、インフラ状態のセンシングにおいて近似リアルタイムの能力を示し、迅速な状況把握を支援した。
• 結果から、一般のソーシャルメディアが災害時における電力インフラ状態の信頼できる代理指標として機能することが確認された。