[論文レビュー] Event detection in Colombian security Twitter news using fine-grained latent topic analysis

Vladimir Vargas-Calderón, Nicolás Parra-A.+2 more|arXiv (Cornell University)|Nov 19, 2019

Social Media and Politics参考文献 26被引用数 4

ひとこと要約

本稿では、FastText、K-meansクラスタリング、UMAPを用いた細分化された潜在的トピック分析手法を提案し、コロンビアのTwitterニュースにおいて、セキュリティ、暴力、犯罪関連の出来事を検出・分離する。10の解釈可能なトピック（殺人、交通事故、女性への暴力など）を同定し、報告が不足しがちな暴力的出来事の自動分類と監視を可能にする。

ABSTRACT

Cultural and social dynamics are important concepts that must be understood in order to grasp what a community cares about. To that end, an excellent source of information on what occurs in a community is the news, especially in recent years, when mass media giants use social networks to communicate and interact with their audience. In this work, we use a method to discover latent topics in tweets from Colombian Twitter news accounts in order to identify the most prominent events in the country. We pay particular attention to security, violence and crime-related tweets because of the violent environment that surrounds Colombian society. The latent topic discovery method that we use builds vector representations of the tweets by using FastText and finds clusters of tweets through the K-means clustering algorithm. The number of clusters is found by measuring the $C_V$ coherence for a range of number of topics of the Latent Dirichlet Allocation (LDA) model. We finally use Uniform Manifold Approximation and Projection (UMAP) for dimensionality reduction to visualise the tweets vectors. Once the clusters related to security, violence and crime are identified, we proceed to apply the same method within each cluster to perform a fine-grained analysis in which specific events mentioned in the news are grouped together. Our method is able to discover event-specific sets of news, which is the baseline to perform an extensive analysis of how people engage in Twitter threads on the different types of news, with an emphasis on security, violence and crime-related tweets.

研究の動機と目的

• コロンビアのTwitterメディアアカウントから、セキュリティ、暴力、犯罪関連のニュースツイートを特定・分離すること。
• 特定の種類の暴力的出来事に関する、感情および関与度の細分化された分析を可能にすること。
• 潜在的トピックに基づいて、スケーラブルな方法でセキュリティ関連ツイートを自動分類すること。
• 公式警察記録では捉えきれない、報告が不足しがちな暴力的出来事の検出すること。
• コミュニティの反応を理解することで、公共政策および教育的取り組みを支援すること。

提案手法

• 2014年以降、コロンビアのニュースアカウント @NoticiasRCN から258,848件のセキュリティ関連ツイートを収集した。
• FastTextによる単語埋め込みを用いて、ツイートの高密度表現を生成した。
• LDAコherence（C_V）を用いてトピック数を最適化し、クラスタの粒度を調整したK-meansクラスタリングを適用した。
• 均一多様体近似と射影（UMAP）を用いて、ツイートクラスタの次元削減および可視化を実施した。
• クラスタの手動ラベル付けを、各クラスタで中心に最も近い15件の代表的ツイートを検査することで実施した。
• 10トピックおよび16トピックの再評価を通じて、最適な解釈可能性とトピック分離を特定した。

実験結果

リサーチクエスチョン

• RQ1 コロンビアのTwitterにおけるセキュリティ、暴力、犯罪関連ニュースの主なサブトピックは何か？
• RQ2 交通関連の出来事のように類似した出来事間を区別できるように、潜在的トピックモデリングをどのように微調整できるか？
• RQ3 FastText、K-means、UMAPの組み合わせにより、解釈可能で明確に分離された出来事クラスタを効果的に同定できるか？
• RQ4 クラスタ数（10対16）が、トピックの解釈可能性およびクラスタ内分散に与える影響は何か？
• RQ5 この手法が、公式報告システムでは捉えきれない、報告が不足しがちな暴力的出来事をどの程度検出できるか？

主な発見

• 10の解釈可能なトピックを効果的に同定した。具体的には、攻撃・暴行、交通・都市計画、盗難、交通事故、社会的問題、交通関連出来事、児童・女性への暴力、医療の怠慢、殺人、および「その他」を含む。
• 16トピック構成に比べ、10トピック構成の方がより明確なトピック分離と高い解釈可能性を示したが、クラスタ内分散は類似していた。
• 交通関連トピック（交通・都市計画、交通事故、交通関連出来事）は良好に分離されており、高速道路の崩壊やバス運転手の争いといった明確な例が確認された。
• 「その他」クラスタには、動物虐待や政府サービスの不備など多様な問題が含まれており、本手法が多様だが関連性のあるセキュリティ懸念を捉える能力を示している。
• クラスタ内分散が比較的同等であったため、トピック全体にわたる一貫性と安定性が確認された。
• 本アプローチにより、新たなセキュリティ関連ツイートの自動分類が可能となり、女性、子ども、犯罪被害者など脆弱なグループの監視を支援できる。