[論文レビュー] MJ no more: Using Concurrent Wikipedia Edit Spikes with Social Network Plausibility Checks for Breaking News Detection

Thomas Steiner, Seth van Hooland+1 more|arXiv (Cornell University)|Mar 19, 2013

Wikis in Education and Collaboration参考文献 5被引用数 8

ひとこと要約

本稿では、複数言語のウィキペディア記事における同時編集の急増を検出することで、報道の勃発をリアルタイムで検知する『Wikipediaライブモニタ』を提示する。その後、妥当性を検証するために多言語のソーシャルネットワーク検索を実施する。この手法により、誤検出を低減しつつ感度を維持し、主要な世界的な出来事では最小5分の検出遅延を達成している。

ABSTRACT

We have developed an application called Wikipedia Live Monitor that monitors article edits on different language versions of Wikipedia, as they happen in realtime. Wikipedia articles in different languages are highly interlinked. For example, the English article en:2013_Russian_meteor_event on the topic of the February 15 meteoroid that exploded over the region of Chelyabinsk Oblast, Russia, is interlinked with the Russian article on the same topic. As we monitor multiple language versions of Wikipedia in parallel, we can exploit this fact to detect concurrent edit spikes of Wikipedia articles covering the same topics, both in only one, and in different languages. We treat such concurrent edit spikes as signals for potential breaking news events, whose plausibility we then check with full-text cross-language searches on multiple social networks. Unlike the reverse approach of monitoring social networks first, and potentially checking plausibility on Wikipedia second, the approach proposed in this paper has the advantage of being less prone to false-positive alerts, while being equally sensitive to true-positive events, however, at only a fraction of the processing cost.

研究の動機と目的

• 従来のソーシャルメディア中心のアプローチよりも、報道の勃発を早期かつ信頼性高く検出すること。
• ウィキペディアの編集急増を初期のトリガーとして用いることで、報道の勃発検出における誤検出を低減すること。
• 多言語ウィキペディアの相互リンクとリアルタイム編集ストリームを活用し、異言語間の出来事検出を実現すること。
• ソーシャルネットワークにおける全文多言語検索を用いて、検出された出来事の妥当性を検証すること。
• ウィキペディアを信号源として用いることで、低遅延かつ高精度な報道の勃発検出を実現するスケーラブルでオープンソースのシステムを構築すること。

提案手法

• IRCフィード経由で42のウィキペディア言語版のリアルタイム編集ストリームを監視し、10万件以上のエントリを持つ記事に焦点を当てる。
• 関連記事の複数言語版における同時編集急増を、報道の勃発候補として特定する。
• 報道の勃発基準を適用：同じトピックの複数言語版記事で、急速かつ同期的に編集が行われること。
• 検出された急増の妥当性を、ソーシャルネットワーク（例：Twitter）におけるクロス言語全文検索で検証する。
• コサイン類似度を用いて、ウィキペディアの編集内容とソーシャルメディアのマイクロポストを比較し、検証を強化する。
• 標準のコンsumerハードウェアで動作するNode.jsベースのアーキテクチャを採用し、284のウィキペディアすべてを効率的にスケーリングする。

実験結果

リサーチクエスチョン

• RQ1 同時多発的なウィキペディア編集急増とソーシャルネットワークの妥当性チェックを組み合わせることで、主要な報道の勃発を捉えられるか。その場合、遅延はどの程度か？
• RQ2 ソーシャルメディア中心のアプローチと比較して、ウィキペディア中心のアプローチは、真の陽性を検出する上で同等以上に効果的か？
• RQ3 特に世界的に重要な出来事において、ウィキペディアの編集はソーシャルメディアと比較してどの程度早く反映されるか？
• RQ4 多言語ウィキペディアの相互リンクは、検出精度の向上と誤検出の低減にどの程度寄与するか？
• RQ5 284のウィキペディア言語版をリアルタイムで監視する際、このシステムはどの程度スケーラブルか？

主な発見

• バチカン放送局の公式発表から1分後に、英語版ウィキペディアで10:58 UTCに、フランス語版で11:00 UTCに、教皇ベネディクト16世の辞任に関する編集が確認された。
• 教皇の辞任に関して、システムは11:01 UTCまでに出来事を報告した。一方、ロイターは10:59 UTCに報じており、主要な出来事では5分未塔の検出遅延であることが示された。
• 主要な世界的な出来事では、検出遅延が最小5分にまで短縮され、報道の勃発に関して平均して30分程度の推定遅延を記録した。これは、ウィキペディアの編集が以前の予想よりも速く報道を反映している可能性を示唆している。
• 誤検出がソーシャルメディア中心の手法よりも低減された。これは、多言語での確認とソーシャルメディアの妥当性チェックを満たした編集急増のみが保持されたためである。
• 標準のmid-2010年のMacBook Proで、284のすべてのウィキペディアを監視することができ、高い効率性とリアルタイム性能を実証した。
• 検出された出来事のデータセットと編集ログは、今後の研究や評価のために公開されている。