[論文レビュー] Inferring the geographic focus of online documents from social media sharing patterns

Ryan Compton, Matthew S. Keegan+1 more|arXiv (Cornell University)|Jun 10, 2014

Geographic Information Systems Studies参考文献 33被引用数 3

ひとこと要約

本論文は、オンラインドキュメントの地理的焦点を、それらのリンクを共有するTwitterユーザーの位置情報を分析することで、コンテンツに依存しない方法で推定する手法を提案する。共有ユーザーの位置情報に対して頑健な統計推定（中央値および中央絶対偏差）を適用することで、ツイートおよびYouTube動画において高い正確性を達成し、分散しきい値を用いることで平均誤差を制御可能となり、コンテンツ分析を必要としないスケーラブルで低リソースな地理タグ付けを実現する。

ABSTRACT

Determining the geographic focus of digital media is an essential first step for modern geographic information retrieval. However, publicly-visible location annotations are remarkably sparse in online data. In this work, we demonstrate a method which infers the geographic focus of an online document by examining the locations of Twitter users who share links to the document. We apply our geotagging technique to multiple datasets built from different content: manually-annotated news articles, GDELT, YouTube, Flickr, Twitter, and Tumblr.

研究の動機と目的

• オンラインデジタルメディアにおける公開可能な地理的メタデータの不足に対処すること。
• 自然言語処理や画像分析を必要としないコンテンツに依存しない地理タグ付け手法を開発すること。
• ソーシャルメディアの共有パターンが、オンラインコンテンツの地理的焦点を信頼性高く推定できるかどうかを評価すること。
• リンク共有ユーザーの位置情報のみを用いて、地理タグ付けの正確性と不確実性を定量化すること。
• ニュース、ツイート、YouTube、Flickr、Tumblrといった多様なコンテンツタイプにわたり、本手法の有効性を示すこと。

提案手法

• 本手法は、URLの地理的地理タグを、そのURLを共有したTwitterユーザーの位置情報のL1多次元中央値として計算する。
• 中央値計算のため、位置間の測地距離をVincentyの公式を用いて計算する。
• 中央絶対偏差（MAD）に基づく分散しきい値を適用し、信頼性の低い地理タグをフィルタリングする。
• 本手法は、ニュース、YouTube、Flickr、Twitter、TumblrのURLに適用され、入力としてTwitterユーザーの位置情報が用いられる。
• ソーシャルメディアデータにおける地理的外れ値の影響を軽減するために、頑健な統計が不可欠である。
• 本手法の評価は、公式API（YouTube、Flickr）や手動アノテーション（ニュース、固有名詞）による真値との比較によって行われる。

実験結果

リサーチクエスチョン

• RQ1 リンクを共有するTwitterユーザーの位置情報から、オンラインドキュメントの地理的焦点を正確に推定できるか？
• RQ2 ニュース、ツイート、YouTube動画、写真などの異なるコンテンツタイプにおいて、コンテンツに依存しない地理タグ付けの性能はどのように変化するか？
• RQ3 分散フィルタリングが、地理タグ付けの信頼性と正確性をどの程度向上させるか？
• RQ4 カバレッジと誤差の観点から、コンテンツ特化型の地理タグ付け手法と比較して、本手法はどのように異なるか？
• RQ5 同じ共有パターンを示しても、Tumblrの再ブロージングではなぜ本手法の性能が低くなるのか？

主な発見

• 本手法は、ツイートの地理的焦点を推定する際に高い正確性を達成しており、ニュース記事と比較して性能がほぼ1桁以上優れている。
• YouTube動画では、447,441件のURLに対して地理タグ付けが行われたが、YouTube APIによるアノテーションはたったの14,582件（3%）にとどまり、高いスケーラビリティが示された。
• Flickrでは、1,992件のURLのうち284件（約14%）にのみ公式の地理タグが付与されており、公開された場所メタデータの不足が顕著に現れている。
• YouTubeの地理タグ付けにおいて、分散しきい値を1,000 kmに設定することで、平均誤差を半減させながらも60%のカバレッジを維持できる。
• Tumblrでは、再ブロージングが地理的に根拠を持たないため、推定された地理タグと固有名詞に基づく地理タグとの間に顕著な乖離が生じ、本手法の性能が著しく低い。
• 中央絶対偏差を用いた分散フィルタリングは、不確実性を効果的に低減し、ニュースや一般ウェブコンテンツなど変動が大きいコンテンツにおいて信頼性を向上させる。