[論文レビュー] An Event Detection Approach Based On Twitter Hashtags

Shih-Feng Yang, Julia Taylor Rayz|arXiv (Cornell University)|Apr 2, 2018

Complex Network Analysis Techniques参考文献 23被引用数 12

ひとこと要約

本稿では、ツイッターのデータに対してK-meansクラスタリングを適用するハッシュタグベースのイベント検出手法を提案し、STREAMCUBEフレームワークを改善している。K-meansはクラスタリング品質においてSTREAMCUBEを上回り（純度70.5%対67.1%）、最適なK値の選定に関するガイドラインを提示しており、20以上のクラスタ以上で性能が安定することが示された。

ABSTRACT

Twitter is one of the most popular microblogging services in the world. The great amount of information within Twitter makes it an important information channel for people to learn and share news. Twitter hashtag is an popular feature that can be viewed as human-labeled information which people use to identify the topic of a tweet. Many researchers have proposed event-detection approaches that can monitor Twitter data and determine whether special events, such as accidents, extreme weather, earthquakes, or crimes take place. Although many approaches use hashtags as one of their features, few of them explicitly focus on the effectiveness of using hashtags on event detection. In this study, we proposed an event detection approach that utilizes hashtags in tweets. We adopted the feature extraction used in STREAMCUBE and applied a clustering K-means approach to it. The experiments demonstrated that the K-means approach performed better than STREAMCUBE in the clustering results. A discussion on optimal K values for the K-means approach is also provided.

研究の動機と目的

• ハッシュタグを主な信号として明示的に活用することで、ツイッターにおけるイベント検出を改善すること。
• 代替クラスタリング手法を用いてSTREAMCUBEフレームワークの性能を評価および向上させること。
• ハッシュタグベースのイベント検出におけるクラスタリング品質を最大化する最適なK値を特定すること。
• クラスタリングの正確性と計算効率の両立を図るための実証的ガイドラインを提供すること。

提案手法

• ツイートからの特徴抽出は、STREAMCUBEフレームワークを踏襲し、ハッシュタグに基づく表現に焦点を当てた。
• ハッシュタグの共起パターンに対してK-meansクラスタリングを適用し、関連するツイートをイベントクラスタにグループ化した。
• 人間によるラベル付け済みの正解データと比較して、純度および正規化相互情報量（NMI）を用いてクラスタリング性能を評価した。
• 感度を評価し、最適なクラスタ数を同定するために、さまざまなK値で実験を実施した。
• 評価には、パリ同時多発テロ（2015年11月13日〜17日）に関連する20,000件を超えるツイートのデータセットを用いた。
• 性能比較のための正解データとして、200件のサンプルツイートの人工ラベルを用いた。

実験結果

リサーチクエスチョン

• RQ1 K-meansクラスタリングは、ツイッターのハッシュタグベースのイベント検出においてSTREAMCUBEを上回ることができるか？
• RQ2 K-meansがイベント検出における優れたクラスタリング品質を達成するための最適なクラスタ数（K）は何か？
• RQ3 ハッシュタグクラスタリングにおける純度およびNMIスコアは、異なるK値でどのように変化するか？
• RQ4 クラスタ数を増やすことで、性能の劣化を伴わずにイベント検出の正確性が向上するか？
• RQ5 K-meansは、ハッシュタグデータのみを用いて、パリ同時多発テロのような現実の出来事の検出に信頼性を持って使用できるか？

主な発見

• K-meansクラスタリングは、純度70.5%、NMI35.6%を達成し、同じクラスタ数（46）におけるSTREAMCUBEの純度67.1%、NMI27.8%を上回った。
• Kが20を超えると、K-meansは純度およびNMIの両面で一貫してSTREAMCUBEを上回り、NMIは約36%で安定した。
• 最高の純度（76.8%）はK=170で達成され、NMIはK=170およびK=30でピーク（37.0%）を記録した。
• Kを170まで増加させることで性能向上が顕著に見られたが、それ以上に増加させてもNMIにさらなる向上はなく、変化がなかった。
• 本研究では、STREAMCUBEの性能を上回るためには、ハッシュタグ数の10分の1以上のK値を設定することを推奨している。
• 結果から、ハッシュタグはイベント検出に強力な信号であることが確認され、K-meansはSTREAMCUBEの単一パスクラスタリングの有効で実用的な代替手段であることが示された。