[논문 리뷰] Extracting COVID-19 Events from Twitter

Shi Zong, Ashutosh Baheti외 2명|arXiv (Cornell University)|2020. 06. 03.

Misinformation and Its Impacts참고 문헌 9인용 수 22

한 줄 요약

이 논문은 코로나19 감염자 수의 증가, 음성 검사 결과, 검사 접근 제한과 같은 코로나19 이벤트로 레이블링된 수동으로 분석된 7,500건의 트위터 트윗 코퍼스를 소개한다. 이 코퍼스를 바탕으로 저자들은 슬롯 채우기 기법을 통해 이벤트 언급을 효과적으로 자동으로 추출함으로써 자가 보고한 팬데믹 관련 경험을 구조화된 형태로 표현할 수 있음을 입증하였으며, 도구와 데이터는 연구 목적을 위해 공개되어 있다.

ABSTRACT

We present a corpus of 7,500 tweets annotated with COVID-19 events, including positive test results, denied access to testing, and more. We show that our corpus enables automatic identification of COVID-19 events mentioned in Twitter with text spans that fill a set of pre-defined slots for each event. We also present analyses on the self-reporting cases and user's demographic information. We will make our annotated corpus and extraction tools available for the research community to use upon publication at this https URL

연구 동기 및 목표

• 코로나19 관련 이벤트를 보고하는 트위터 게시물에 대해 고품질의 수동 레이블링 코퍼스를 구축하기.
• 사전 정의된 슬롯에 해당하는 텍스트 스트링을 사용하여 특정 이벤트 유형—예를 들어, 양성 검사 결과나 검사 접근 제한—을 자동으로 식별하기.
• 팬데믹 기간 동안 사회적 미디어에서 자가 보고된 사례와 사용자 인구통계 패턴을 분석하기.
• 공개된 레이블링 코퍼스와 추출 도구를 통해 향후 자연어 처리(NLP) 연구를 지원하기.

제안 방법

• 각 이벤트에 대해 사전 정의된 이벤트 유형과 슬롯 채우기 구조를 사용하여 7,500건의 트윗을 수동으로 레이블링하기.
• 이벤트 표현을 표준화하기 위해 사전 정의된 이벤트 슬롯 집합(예: 이벤트 유형, 날짜, 위치) 정의하기.
• 각 슬롯에 해당하는 텍스트 스트링을 식별하기 위해 시퀀스 레이블링 및 이벤트 추출 기법 적용하기.
• 자기 보고 사례 및 사용자 인구통계 패턴에 대한 통계적 및 질적 분석을 통해 패턴 분석하기.
• 후속 사용을 위한 레이블링 코퍼스 기반의 이벤트 추출 도구 개발하기.

실험 결과

연구 질문

• RQ1 양성 검사 결과나 검사 접근 제한과 같은 이벤트 유형이 소셜 미디어 텍스트에서 얼마나 정확하게 식별될 수 있는가?
• RQ2 트위터에서의 자가 보고 사례가 공식 사례 데이터나 인구통계 추세와 어느 정도 일치하는가?
• RQ3 트위터에서 코로나19 이벤트를 보고하는 사용자 인구통계에서 어떤 패턴이 드러나는가?
• RQ4 구조화된 슬롯 채우기 접근 방식이 비공식적인 소셜 미디어 언어에서 의미 있는 이벤트 정보를 효과적으로 추출할 수 있는가?

주요 결과

• 레이블링된 코퍼스를 통해 슬롯 채우기 기법을 활용한 정확한 코로나19 이벤트 자동 식별이 가능하여, 구조화된 이벤트 추출을 지원한다.
• 코퍼스 내에서 자가 보고 사례의 상당수가 발견되어 실시간 공중보건 보고의 사회적 미디어 기반 반영을 반영한다.
• 사용자 보고의 인구통계 패턴은 다양한 사용자 집단 간 보고 행동의 차이를 시사한다.
• 코퍼스와 관련 도구는 향후 NLP 및 공중보건 인포매틱스 분야의 연구를 지원하기 위해 공개되었다.