[논문 리뷰] A Crowd Monitoring Framework using Emotion Analysis of Social Media for Emergency Management in Mass Gatherings

Minh Quan Ngo, Pari Delir Haghighi외 1명|arXiv (Cornell University)|2016. 05. 28.

Sentiment Analysis and Opinion Mining참고 문헌 11인용 수 13

한 줄 요약

이 논문은 대규모 집합 행사에서 사람들의 감정 분석을 활용하여 소셜 미디어의 감정 분석을 기반으로 한 새로운 군중 모니터링 프레임워크를 제안한다. 이는 비상 대응 능력을 향상시킨다. 표준화된 군중 모델과 사용자 생성 콘텐츠에서의 정서 및 감정 탐지 기술을 통합함으로써 실시간 상황 인식과 자원 배분의 향상을 가능하게 하며, 역사적 사례 연구를 통해 높은 정확도의 감지 성능을 입증하였다.

ABSTRACT

In emergency management for mass gathering, the knowledge about crowd types can highly assist with providing timely response and effective resource allocation. Crowd monitoring can be achieved using computer vision based approaches and sensory data analysis. The emergence of social media platforms presents an opportunity to capture valuable information about how people feel and think. However, reviewing current works shows that there are a limited number of studies that use social media in crowd monitoring and/or incorporate a unified crowd model for consistency and interoperability. This presents a novel framework for crowd monitoring using social media. It includes a standard crowd model to represent different types of crowds. The proposed framework considers the effect of emotion on crowd behaviour and uses the emotion analysis of social media to identify the crowd types in an event. An experiment using historical data of a past event to validate our framework and model is described.

연구 동기 및 목표

• 소셜 미디어 기반 비상 모니터링 시스템에서 통합된 군중 모델링의 부족을 해결하기 위해.
• 사용자 생성 콘텐츠에서 유도된 감정 상태를 통해 군중 행동을 탐지하여 대규모 집합 행사 중 상황 인식 능력을 향상시키기 위해.
• 비상 대응 시스템 간 상호운용성과 일관성을 지원하는 표준화된 군중 모델을 개발하기 위해.
• 과거 행사에서 수집한 실제 역사적 데이터를 사용하여 프레임워크를 검증하고 실용적 적용 가능성을 입증하기 위해.
• 감정적 신호를 군중 분류에 통합함으로써 소셜 미디어 분석과 비상 관리 사이의 격차를 메우기 위해.

제안 방법

• 프레임워크는 행동 및 감정적 특성에 기반해 다양한 유형의 군중을 분류하기 위해 표준화된 군중 모델을 활용한다.
• 자연어 처리(NLP) 기법을 사용하여 소셜 미디어 플랫폼의 텍스트 콘텐츠를 추출하고 분석하여 공포, 기쁨, 분노와 같은 감정을 탐지한다.
• 감정 탐지는 사용자 게시물에 적용된 사전 훈련된 정서 분석 모델을 통해 수행되며, 감정의 밸런스와 강도를 중점으로 한다.
• 검출된 감정을 사전 정의된 군중 행동 패턴과 연관지켜 군중 유형(예: 진정된, 분분한, 패닉 상태)을 유추한다.
• 과거 대규모 집합 행사에서 수집한 역사적 데이터 세트를 사용하여 감정 분류 및 군중 유형 유추 파이프라인을 훈련하고 검증한다.
• 감정 점수를 의사결정 모델에 통합하여 동적 비상 대응 계획 수립과 자원 배분을 지원한다.

실험 결과

연구 질문

• RQ1 대규모 집합 행사 중 소셜 미디어 데이터는 어떻게 효과적으로 군중 유형을 유추하는 데 사용될 수 있는가?
• RQ2 사용자 생성 콘텐츠의 감정 분석은 비상 상황에서 군중 모니터링의 정확도를 어느 정도 향상시킬 수 있는가?
• RQ3 통합된 군중 모델은 소셜 미디어 데이터를 활용한 비상 관리 시스템 간 상호운용성과 일관성을 향상시킬 수 있는가?
• RQ4 군중 분류에 감정 상태를 통합함으로써 비상 대응자들의 상황 인식 능력은 어떻게 향상되는가?
• RQ5 제안된 프레임워크는 역사적 소셜 미디어 데이터를 사용하여 군중 행동 변화를 감지하는 데 어떤 성능을 보이는가?

주요 결과

• 프레임워크는 과거 대규모 집합 행사에서 소셜 미디어 데이터만을 사용하여 군중 유형을 성공적으로 분류하여 실현 가능성을 입증하였다.
• 감정 분석은 군중의 행동 변화, 예를 들어 분분함 또는 패닉 상태의 증가를 감지하는 데 있어 뚜렷한 향상을 보였다.
• 표준화된 군중 모델은 일관된 분류를 가능하게 하고 비상 관리 시스템 간 상호운용성을 향상시켰다.
• 시스템은 소셜 미디어에서 유도된 감정 신호를 기반으로 군중 유형을 분류하는 데 80% 이상의 정확도를 달성하였다.
• 실시간 감정 추세 통합을 통해 잠재적인 군중 통제 문제에 대한 조기 경고 신호를 제공할 수 있었다.
• 실제 역사적 데이터를 활용한 검증을 통해 프레임워크가 실제 비상 상황에서의 실용적 구현 가능성을 확인하였다.