[논문 리뷰] Where Chicagoans tweet the most: Semantic analysis of preferential return locations of Twitter users

Aiman Soliman, Junjun Yin외 3명|arXiv (Cornell University)|2015. 12. 21.

Human Mobility and Location-Based Analysis참고 문헌 13인용 수 4

한 줄 요약

이 연구는 2014년에 시카고 거주자 164,000명 이상의 지리적 위치가 기록된 트위터 데이터를 분석하여 선호하는 복귀 장소와 그들의 의미적 이용 유형을 규명한다. 의미적 정보가 부여된 트위터 트윗에 DBSCAN 군집화를 적용한 결과, 집과 직장이 일반적으로 상위 장소로 나타나지만, 사용자 중 상당수는 이 패턴에서 벗어나며, 트윗 행동은 이용 유형에 따라 강하게 시간에 의존함을 확인하여, 상위 두 장소가 항상 집과 직장이라는 가정에 도전한다.

ABSTRACT

Recent studies on human mobility show that human movements are not random and tend to be clustered. In this connection, the movements of Twitter users captured by geo-located tweets were found to follow similar patterns, where a few geographic locations dominate the tweeting activity of individual users. However, little is known about the semantics (landuse types) and temporal tweeting behavior at those frequently-visited locations. Furthermore, it is generally assumed that the top two visited locations for most of the users are home and work locales (Hypothesis A) and people tend to tweet at their top locations during a particular time of the day (Hypothesis B). In this paper, we tested these two frequently cited hypotheses by examining the tweeting patterns of more than 164,000 unique Twitter users whom were residents of the city of Chicago during 2014. We extracted landuse attributes for each geo-located tweet from the detailed inventory of the Chicago Metropolitan Agency for Planning. Top-visited locations were identified by clustering semantic enriched tweets using a DBSCAN algorithm. Our results showed that although the top two locations are likely to be residential and occupational/educational, a portion of the users deviated from this case, suggesting that the first hypothesis oversimplify real-world situations. However, our observations indicated that people tweet at specific times and these temporal signatures are dependent on landuse types. We further discuss the implication of confounding variables, such as clustering algorithm parameters and relative accuracy of tweet coordinates, which are critical factors in any experimental design involving Twitter data.

연구 동기 및 목표

• 시카고 트위터 사용자들이 방문하는 상위 두 장소가 항상 집과 직장인지 확인하는 것 (가설 A).
• 자주 방문하는 장소에서의 시간적 트윗 패턴과 그들이 이용하는 이용 유형에 대한 의존도를 분석하는 것 (가설 B).
• 군집화 알고리즘 파라미터와 GPS 정확도와 같은 혼란 변수가 트위터 기반 이동성 분석에 미치는 영향을 평가하는 것.
• 지리적 위치가 기록된 트위터 트윗의 의미적 정보를 통합하여 선호하는 복귀 장소를 식별하고 분류하는 것.
• 소셜 미디어 데이터를 통해 인간 이동의 의미적 및 시간적 구조에 대한 실증적 증거를 제공하는 것.

제안 방법

• 2014년 시카고에서 지리적 위치가 기록된 164,000명 이상의 고유한 트위터 사용자 트윗을 수집하고 처리하였다.
• 시카고 메트로폴리탄 기획청의 상세한 이용 유형 인벤토리 자료를 활용하여 각 트윗에 이용 유형 속성을 할당하였다.
• 공간적 근접성과 의미적 유사성을 기반으로 트윗을 군집화하여 선호하는 복귀 장소를 식별하기 위해 DBSCAN 군집화를 적용하였다.
• 식별된 각 장소에서의 트윗 활동 시간 패턴을 추출하여 하루 중 행동 패턴을 분석하였다.
• DBSCAN 파라미터와 GPS 좌표 정확도에 대한 민감도를 평가하여 결과의 타당성을 검증하였다.
• 주요 장소를 이용 유형(예: 주거, 상업, 교육 등)으로 분류하여 집과 직장 지배성에 대한 가설을 검증하였다.

실험 결과

연구 질문

• RQ1 대부분의 시카고 트위터 사용자들이 항상 집과 직장이 상위 두 장소로 나타나는가, 일반적으로 가정되는 바와 같은가?
• RQ2 사용자들은 선호하는 장소의 의미적 이용 유형과 관련된 고유한 시간적 트윗 패턴을 보이는가?
• RQ3 군집화 알고리즘 파라미터와 GPS 정확도가 트위터 데이터에서 선호하는 복귀 장소 식별에 얼마나 큰 영향을 미치는가?
• RQ4 사용자들이 비주거성·비직장성 장소에 얼마나 자주 복귀하는가, 이러한 장소의 의미적 특성은 무엇인가?
• RQ5 주거, 교육, 상업 지역과 같은 다양한 이용 유형 범주 간 트윗 행동에 뚜렷한 차이가 있는가?

주요 결과

• 트위터 사용자 중 상당수는 집과 직장을 상위 두 장소로 가지지 않으며, 이는 이들이 항상 지배적인 장소라는 일반적 가정에 도전한다.
• 사용자들은 선호하는 장소의 의미적 이용 유형과 밀접하게 연결된 강력한 시간적 서명을 보이며 트윗 행동을 한다.
• 가장 자주 방문하는 장소는 주로 주거 및 직장/교육 유형이지만, 레크리에이션 또는 상업 지역과 같은 비전통적 장소 역시 높은 방문 빈도를 보인다.
• 이용 유형에 따라 시간적 트윗 패턴이 크게 달라지며, 예를 들어 직장 장소는 평일 영업 시간대에 활동이 최고조에 이르고, 주거 지역은 저녁에 활동이 더 높아진다.
• 결과는 군집화 알고리즘 파라미터와 GPS 좌표 정확도에 민감하여, 트위터 기반 이동성 연구에서 방법론적 철저함의 중요성을 강조한다.
• 지리적 위치가 기록된 트위터 트윗에 의미적 정보를 통합하면, 순수한 공간 군집화를 넘어서 보다 세밀한 인간 이동 패턴을 식별할 수 있다.