[論文レビュー] Learning to Discover Key Moments in Social Media Streams

Cody Buntain, Jimmy Lin+1 more|arXiv (Cornell University)|Aug 3, 2015

Complex Network Analysis Techniques参考文献 21被引用数 5

ひとこと要約

この論文では、ドメイン固有のキーワードやシード語に依存せずに、トークン頻度のバーストを特定することで、ソーシャルメディアにおける重要な瞬間を検出する、言語に依存しないストリーミング機械学習手法であるLABurstを紹介する。この手法は時系列ベースの手法を上回り、スポーツや自然災害の高インパクトイベントを検出する分野でドメイン特化型手法と同等の性能を示し、発生から2分以内に地震関連のピークを同定する。

ABSTRACT

This paper introduces LABurst, a general technique for identifying key moments, or moments of high impact, in social media streams without the need for domain-specific information or seed keywords. We leverage machine learning to model temporal patterns around bursts in Twitter's unfiltered public sample stream and build a classifier to identify tokens experiencing these bursts. We show LABurst performs competitively with existing burst detection techniques while simultaneously providing insight into and detection of unanticipated moments. To demonstrate our approach's potential, we compare two baseline event-detection algorithms with our language-agnostic algorithm to detect key moments across three major sporting competitions: 2013 World Series, 2014 Super Bowl, and 2014 World Cup. Our results show LABurst outperforms a time series analysis baseline and is competitive with a domain-specific baseline even though we operate without any domain knowledge. We then go further by transferring LABurst's models learned in the sports domain to the task of identifying earthquakes in Japan and show our method detects large spikes in earthquake-related tokens within two minutes of the actual event.

研究の動機と目的

• 事前に知識やキーワードリストを必要とせずに、ソーシャルメディアのストリームから予期しない高インパクトの重要な瞬間を検出する手法を開発すること。
• キーワードベースおよび時系列のみに依存する手法の限界を克服し、予期しないまたは意味論的に豊かな出来事も捉えること。
• リアルタイムでフィルタリングされていないTwitterストリームから重要な瞬間を検出し、説明可能な形で特定できる、柔軟で言語に依存しないシステムを構築すること。
• 多様な分野（スポーツおよび自然災害）における性能を評価し、汎用性と頑健性を示すこと。
• 記者や救助活動関係者が物理的到着がなくても、あるいはドメイン特化の設定がなくても、迅速に重要な出来事の特定と理解を可能にすること。

提案手法

• LABurstは、Twitterのパブリックサンプルストリームにおけるリアルタイムのトークン頻度を監視するストリーミングアルゴリズムを用い、時間的パターンに基づいてバーストを検出する。
• 機械学習を用いてトークン周辺のバースト行動をモデル化し、相対的頻度変化を高インパクトの瞬間の指標とする。
• バーストを示すトークンの合計量を集約することで、重要な瞬間を特定する。より高い合計量は、より大きな出来事の影響を示すと仮定する。
• 時間的統計（例：zスコア、バースト持続時間、ピーク強度）などの特徴を用い、ノイズと意味のあるバーストを区別する。
• スポーツデータで訓練したモデルを、自然災害（例：日本の地震）の検出に向け、再訓練せずに微調整して移行可能である。
• このアプローチは言語に依存せず、トークン頻度のパターンのみに依存するため、多言語および多分野への適用が可能である。

実験結果

リサーチクエスチョン

• RQ1 キーワードの手動で整備されたリストやドメイン固有のシード語に依存せずに、バースト検出システムはソーシャルメディアストリームにおける高インパクトの出来事を同定できるか？
• RQ2 LABurstの性能は、主要なスポーツイベント中の重要な瞬間を検出するにあたり、時系列ベースおよびドメイン特化型のバースト検出手法と比較してどうなるか？
• RQ3 スポーツなどの1つのドメインで訓練したモデルが、自然災害などの別のドメインに効果的に移行できる範囲はどの程度か？
• RQ4 LABurstは、キーワードでは容易に予測できないような、予期しないあるいは意味論的に複雑な出来事（例：議論を呼ぶ出来事）を、キーワードベースのシステムよりも効果的に検出できるか？
• RQ5 LABurstは、実世界のデータで発生した出来事（例：地震）から、どの程度の速さで検出できるか？

主な発見

• LABurstは、2013年ワールドシリーズ、2014年スーパーボウル、2014年ワールドカップの各イベントにおいて、時系列ベースのベースラインを上回って重要な瞬間を検出している。
• スポーツ用語の事前知識が一切ないにもかかわらず、ドメイン特化型キーワードベース手法と同等の性能を達成している。
• 日本の実際の地震発生から2分以内に、地震関連のトークンの急増を効果的に検出しており、リアルタイム対応性を実証している。
• キーワードベースのベースラインが見逃した、2014年ワールドカップにおけるルイス・スアレスの噛みつき事件のような予期しない瞬間も検出している。
• スポーツデータで訓練したモデルを自然災害検出タスクに移行させた場合、ドメイン特化型手法と同等の性能を示しており、ドメイン間の適応可能性が顕著に示されている。
• バーストを示すトークンを返すことで、ユーザーが外部の文脈なしに検出された出来事の性質を理解できる解釈可能な出来事の説明を提供している。