[論文レビュー] Human as Real-Time Sensors of Social and Physical Events: A Case Study of Twitter and Sports Games

Siqi Zhao, Lin Zhong+2 more|arXiv (Cornell University)|Jun 21, 2011

Video Analysis and Summarization参考文献 17被引用数 91

ひとこと要約

本論文では、NFLの試合を事例として、Twitterを社会的・物理的出来事のリアルタイムセンサー網として使用する手法を提案している。ストリーミングデータとイベント認識アルゴリズムを活用することで、40秒以内に試合の出来事を検出でき、90％の正確性に達する。これにより、ライブメディアガイドやターゲティング広告などの応用が可能になる。

ABSTRACT

In this work, we study how Twitter can be used as a sensor to detect frequent and diverse social and physical events in real-time. We devise efficient data collection and event recognition solutions that work despite various limits on free access to Twitter data. We describe a web service implementation of our solution and report our experience with the 2010-2011 US National Football League (NFL) games. The service was able to recognize NFL game events within 40 seconds and with accuracy up to 90%. This capability will be very useful for not only real-time electronic program guide for live broadcast programs but also refined auction of advertisement slots. More importantly, it demonstrates for the first time the feasibility of using Twitter for real-time social and physical event detection for ubiquitous computing.

研究の動機と目的

• Twitterを社会的・物理的出来事のリアルタイムセンサーとして使用する可能性を検討すること。
• レート制限やデータの可用性制約によるリアルタイムデータアクセスおよびイベント検出の課題に対処すること。
• Twitterストリームを用いて多様なイベントを効率的かつスケーラブルに検出するためのシステムを開発すること。
• ライブNFLの試合を用いて、実世界の文脈でシステムのパフォーマンスを評価すること。

提案手法

• 著者らは、レート制限があるにもかかわらず、公開APIを用いてリアルタイムのTwitterストリームを受信するウェブサービスを設計した。
• イベントマーカーをツイートの時間的・言語的パターンから同定する、軽量なイベント認識パイプラインを実装した。
• 得点やタイムアウトなどの試合関連イベントを検出するために、キーワードマッチング、時間的クラスタリング、センチメント分析の組み合わせを用いた。
• 入力されるツイートを処理するスライディングウィンドウメカニズムを用いて、イベントのピークを検出し、ノイズを低減した。
• 低レイテンシ処理を最適化し、出来事発生から40秒以内に検出を達成した。
• システムは2010–2011年のNFLシーズン中に展開され、実際の試合データを用いて検証された。

実験結果

リサーチクエスチョン

• RQ1 Twitterは、物理的・社会的出来事の検出に効果的にリアルタイムセンサーとして使用可能だろうか？
• RQ2 現実のデータアクセス制約下でも、イベント検出はどれほど正確かつ迅速に行えるだろうか？
• RQ3 ノイズが多く、高速で流れるソーシャルメディアストリームにおいて、信頼性の高いイベント認識を可能にする技術は何か？
• RQ4 このようなシステムは、ライブメディアガイドやターゲティング広告といった実用的応用を支援できるだろうか？
• RQ5 検出速度、正確性、システムスケーラビリティの間には、どのようなパフォーマンスのトレードオフがあるだろうか？

主な発見

• システムは、出来事発生から平均して40秒以内にNFLの試合の出来事を検出できた。
• 評価段階では、イベント検出の正確性が最大90％に達した。
• Twitterの公開APIからのレート制限や不完全なデータアクセスにもかかわらず、システムは安定した性能を示した。
• 時間的クラスタリングと言語的パターン分析により、単純なキーワードマッチングに比べ、検出の正確性が顕著に向上した。
• スケーラビリティとリアルタイムパフォーマンスの両面で、本番環境への展開に適したソリューションであった。
• 本研究は、Twitterがユビキタスコンピューティング応用のリアルタイムセンサーとしての可能性を示す、最初の実証的証拠を提供した。