[논문 리뷰] Location-Based Events Detection on Micro-Blogs

Augusto Dias Pereira dos Santos, Leandro Krug Wives외 1명|arXiv (Cornell University)|2012. 10. 15.

Human Mobility and Location-Based Analysis참고 문헌 5인용 수 5

한 줄 요약

이 논문은 정치적 지방 단위의 시간적 및 지리적 패턴을 분석하여 트위터에서 새로운 주제를 식별하기 위해 신경망 기반 이상 탐지 방법을 제안한다. 비정상적인 트윗 수 폭증을 탐지함으로써 이 방법은 지역적 행동 변화를 성공적으로 모델링하여 홴재나 유행 주제와 같은 현장 기반 이벤트를 실시간으로 탐지할 수 있다.

ABSTRACT

The increasing use of social networks generates enormous amounts of data that can be used for many types of analysis. Some of these data have temporal and geographical information, which can be used for comprehensive examination. In this paper, we propose a new method to analyze the massive volume of messages available in Twitter to identify places in the world where topics such as TV shows, climate change, disasters, and sports are emerging. The proposed method is based on a neural network that is used to detect outliers from a time series, which is built upon statistical data from tweets located on different political divisions (i.e., countries, cities). The outliers are used to identify topics within an abnormal behavior in Twitter. The effectiveness of our method is evaluated in an online environment indicating new findings on modeling local people's behavior from different places.

연구 동기 및 목표

• 마이크로블로깅 데이터의 시간적 및 지리적 패턴을 분석하여 실시간으로 새로운 주제를 탐지하기 위해.
• 트윗 수 추세를 사용하여 정치적 지방 단위(예: 도시, 국가) 간 지역적 행동 변화를 모델링하기 위해.
• 시간적 시리즈에서의 비정상적인 활동을 재난이나 주요 사건과 같은 중요한 현실 세계 사건의 지표로 식별하기 위해.
• 실시간 이벤트 탐지에 대한 실용성 확보를 위해 온라인 환경에서 방법을 평가하기 위해.

제안 방법

• 정치적 지방 단위의 집계된 트윗 수에서 생성된 시간 시리즈에서 이상치를 탐지하기 위해 신경망을 훈련한다.
• 시간 시리즈는 지리적 위치(예: 국가, 도시)별로 그룹화된 트윗의 통계 데이터를 사용하여 구축된다.
• 시간 시리즈의 이상치는 트윗 수의 갑작스러운 비정상적인 증가를 나타내며, 잠재적인 신속한 사건 발생을 경고한다.
• 이 방법은 시간적 및 공간적 군집 기반으로 이러한 이상 현상이 발생하는 지역을 식별한다.
• 시스템은 온라인 환경에서 작동하여 들어오는 트윗을 지속적으로 처리하여 실시간으로 사건을 탐지한다.
• 이상 탐지는 각 위치 내 역사적 트윗 수 패턴에서의 통계적 이탈 기반으로 이루어진다.

실험 결과

연구 질문

• RQ1 트윗 수 시간 시리즈에서의 이상 탐지 기법은 현실 세계의 사건에서 새로운 주제를 어떻게 식별할 수 있는가?
• RQ2 마이크로블로그의 지리적 및 시간적 패턴은 지역적 행동 변화를 어느 정도 드러낼 수 있는가?
• RQ3 신경망이 화재나 유행 주제와 같은 사건을 나타내는 비정상적인 활동을 효과적으로 탐지할 수 있는가?
• RQ4 이 방법은 실시간 이벤트 탐지에 적합한 동적 온라인 환경에서 어떻게 성능을 발휘하는가?

주요 결과

• 이 방법은 재난, 스포츠 이벤트, 미디어 트렌드와 같은 새로운 주제를 비정상적인 트윗 수 폭증을 통해 성공적으로 탐지한다.
• 시간 시리즈에서의 이상 탐지는 갑작스러운 행동 변화가 발생하는 지역을 효과적으로 식별한다.
• 지리적 및 시간적 트윗 패턴 분석을 통해 이 방법은 지역 주민의 행동을 모델링한다.
• 온라인 환경에서의 평가를 통해 이 방법이 실시간 이벤트 탐지에 효과적임을 확인할 수 있다.
• 시스템은 높은 시간적 및 공간적 정밀도로 사건을 식별하여 새로운 상황에 대한 신속한 대응을 가능하게 한다.
• 신경망 기반 이상 탐지 기법은 비정상 추세를 포착하는 데 기초 통계 방법보다 뛰어난 성능을 보였다.