[논문 리뷰] Inferring the geographic focus of online documents from social media sharing patterns

Ryan Compton, Matthew S. Keegan외 1명|arXiv (Cornell University)|2014. 06. 10.

Geographic Information Systems Studies참고 문헌 33인용 수 3

한 줄 요약

이 논문은 온라인 문서의 지리적 초점을 분석하는 데 콘텐츠에 관계없이 접근하는 방법을 제안한다. 이는 링크를 공유한 트위터 사용자의 지리적 위치를 분석함으로써 이루어지며, 공유자 위치에 대한 강력한 통계적 추정(중위수 및 중위수 평균편차)을 사용하여 트윗과 유튜브 동영상에 대해 높은 정확도를 달성한다. 평균 오차는 산포 임계값을 통해 제어 가능하며, 콘텐츠 분석 없이도 스케일러블하고 자원이 적은 지리적 태깅을 가능하게 한다.

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.

연구 동기 및 목표

• 온라인 디지털 미디어에서 공개적으로 이용 가능한 지리적 메타데이터의 부족 문제를 해결하기 위해.
• 자연어 처리나 이미지 분석이 필요 없는 콘텐츠에 관계없는 지리적 태깅 방법을 개발하기 위해.
• 소셜미디어 공유 패턴이 온라인 콘텐츠의 지리적 초점을 신뢰성 있게 추론할 수 있는지 평가하기 위해.
• 오직 링크 공유자 위치만을 사용하여 지리적 태깅의 정확도와 불확실성을 정량화하기 위해.
• 뉴스, 트윗, 유튜브, 플리커, 투틀럼을 포함한 다양한 콘텐츠 유형에 대해 이 방법의 효과성을 입증하기 위해.

제안 방법

• 이 방법은 URL의 지리적 태깅을 링크를 공유한 트위터 사용자들의 지리적 위치의 L1다변량 중위수로 계산한다.
• 중위수 계산을 위해 버신니의 공식을 사용하여 위치 간의 지오데식 거리를 계산한다.
• 중위수 평균편차(MAD)를 기반으로 한 산포 임계값을 적용하여 신뢰도가 낮은 지리적 태깅을 걸러낸다.
• 이 방법은 뉴스, 유튜브, 플리커, 트위터, 투틀럼의 URL에 적용되며, 입력으로 트위터 사용자 위치 데이터를 사용한다.
• 강력한 통계는 소셜미디어 데이터에서 지리적 이방성의 영향을 최소화하는 데 필수적이다.
• 이 방법은 공식 API(유튜브, 플리커)에서의 실제 위치 또는 수작업 메타데이터(뉴스, 지명 기반)와 비교하여 평가된다.

실험 결과

연구 질문

• RQ1 트위터 사용자가 링크를 공유한 위치로부터 온라인 문서의 지리적 초점을 정확하게 추론할 수 있는가?
• RQ2 뉴스, 트윗, 유튜브 동영상, 사진 등 다양한 콘텐츠 유형에서 콘텐츠에 관계없는 지리적 태깅의 성능은 어떻게 달라지는가?
• RQ3 산포 필터링이 지리적 태깅의 신뢰성과 정확도에 얼마나 기여하는가?
• RQ4 커버리지와 오차 측면에서 이 방법은 콘텐츠 기반 지리적 태깅 기법과 어떻게 비교되는가?
• RQ5 유사한 공유 패턴을 보일지라도, 투틀럼 리블로그에서는 왜 이 방법의 성능이 열악한가?

주요 결과

• 이 방법은 트윗에 대해 지리적 초점을 추론할 때 높은 정확도를 달성하며, 뉴스 기사보다 거의 한 계단 높은 성능을 보인다.
• 유튜브 동영상의 경우, 447,441개의 URL에 대해 지리적 태깅을 추론했고, 이 중 유튜브 API를 통해 메타데이터가 부여된 것은 14,582개(3%)에 불과하여 높은 확장성을 보였다.
• 플리커의 경우, 총 1,992개의 URL 중 284개만 공식 지리적 태깅을 보유하고 있어, 공개 위치 메타데이터의 부족함을 보여준다.
• 유튜브 지리적 태깅의 평균 오차는 1,000km의 산포 임계값을 적용함으로써 절반으로 줄일 수 있으며, 이때도 여전히 60%의 커버리지를 유지한다.
• 투틀럼에서는 리블로그가 지리적으로 기반을 두지 않기 때문에, 추론된 태깅과 지명 기반 태깅 간의 격리가 뚜렷하게 나타나 성능이 열악하다.
• 중위수 평균편차를 통한 산포 필터링은 불확실성을 효과적으로 줄이고, 뉴스나 일반 웹 콘텐츠처럼 변동성이 높은 콘텐츠의 경우 특히 신뢰성을 향상시킨다.