[論文レビュー] Home Location Identification of Twitter Users

Jalal Mahmud, Jeffrey Nichols+1 more|arXiv (Cornell University)|Mar 7, 2014

Human Mobility and Location-Based Analysis参考文献 23被引用数 6

ひとこと要約

本稿では、統計的およびヒューリスティックな分類器と地理的地名辞書（gazetteer）を組み合わせた階層的でアンサンブルベースのアルゴリズムを提案し、都市、州、時差、地域といった複数の粒度でTwitterユーザーの自宅所在地を推定する。ツイート内容、投稿行動、および移動検出分類器を活用することで、広域領域を最初に予測するトップダウンの分類戦略により、従来の手法よりも精度が向上する。

ABSTRACT

We present a new algorithm for inferring the home location of Twitter users at different granularities, including city, state, time zone or geographic region, using the content of users tweets and their tweeting behavior. Unlike existing approaches, our algorithm uses an ensemble of statistical and heuristic classifiers to predict locations and makes use of a geographic gazetteer dictionary to identify place-name entities. We find that a hierarchical classification approach, where time zone, state or geographic region is predicted first and city is predicted next, can improve prediction accuracy. We have also analyzed movement variations of Twitter users, built a classifier to predict whether a user was travelling in a certain period of time and use that to further improve the location detection accuracy. Experimental evidence suggests that our algorithm works well in practice and outperforms the best existing algorithms for predicting the home location of Twitter users.

研究の動機と目的

• 限られたテキスト的および行動的データからのTwitterユーザーの自宅所在地を正確に特定する課題に対処すること。
• 複数の分類器と地理的知識を統合することで、既存の位置推定手法を改善すること。
• ユーザーの移動パターンが位置予測精度に与える影響を調査すること。
• さまざまな粒度の階層的分類フレームワークを構築し、スケーラブルに位置を予測すること。
• 移動検出の有効性が、自宅所在地推定の精度向上に与える影響を評価すること。

提案手法

• 本手法は、ツイート内容とユーザー行動の分析に統計的およびヒューリスティックな分類器のアンサンブルを用いて、位置推定を実行する。
• 地理的地名辞書（gazetteer）を用いて、ツイートから場所名エンティティを抽出および検証する。
• 階層的分類アプローチを適用し、まず広域領域（例：時差、州）を予測した後、都市レベルの場所に絞り込む。
• ツイート頻度と空間的分散に基づいて、特定の期間にユーザーが移動中かどうかを検出する分類器を別途訓練する。
• 移動検出の出力を用いて予測をフィルタリングまたは再重み付けし、移動中でないユーザーの精度を向上させる。
• システムは実際のTwitterデータを用いて学習および評価され、標準的な位置推定メトリクスを用いて性能が測定される。

実験結果

リサーチクエスチョン

• RQ1 平坦な分類と比較して、階層的分類アプローチはTwitterユーザーの自宅所在地推定精度を向上させることができるか？
• RQ2 具体的に移動検出を統合することで、ユーザーの移動パターンを組み込むことで、位置予測の精度はどのように向上するか？
• RQ3 統計的およびヒューリスティックな分類器を統合することで、個々の手法に比べて、自宅所在地特定の性能はどの程度向上するか？
• RQ4 地理的地名辞書（gazetteer）は、ノイズが多く不正確なSNSテキストから場所名エンティティを抽出・検証するのにどの程度有効か？
• RQ5 都市よりも広域の地理的領域を最初に予測することで、複数の粒度での位置推定において、全体の性能が向上するか？

主な発見

• 階層的分類アプローチにより、粗い粒度から細かい粒度への誤差伝播を低減することで、予測精度が著しく向上する。
• 移動検出分類器の統合により、データ収集時における移動中でないユーザーの精度が向上する。
• 統計的およびヒューリスティックな分類器のアンサンブルは、評価において既存の最良手法を上回る性能を示す。
• 地理的地名辞書（gazetteer）の使用により、ノイズが多く不正確なツイートテキストからも、場所名エンティティの抽出が堅牢に可能になる。
• 都市、州、時差、地理的地域といった複数の粒度で高い精度を達成する。
• 実験結果から、提案手法は大規模なTwitterユーザーの位置推定に対して、効果的かつスケーラブルであることが示された。