[論文レビュー] Twitter Reveals: Using Twitter Analytics to Predict Public Protests

Mohsen Bahrami, Yasin Fındık+2 more|arXiv (Cornell University)|May 1, 2018

Social Media and Politics参考文献 40被引用数 13

ひとこと要約

本論文では、イベント固有の特徴量とトレンドハッシュタグを活用して、Twitterアナリティクスを用いた機械学習的手法により、公共の抗議行動を予測する手法を提案している。トランプ大統領の2016年選挙後の抗議行動に関連するツイートを分析した結果、平均して75%以上の予測精度を達成した（最良では100%）。これは、Twitterが市民の混乱を早期に警告するリアルタイムのシステムとしての有効性を示している。

ABSTRACT

The right to protest is perceived as one of the primary civil rights. Citizens participate in mass demonstrations to express themselves and exercise their democratic rights. However, because of the large number of participants, protests may lead to violence and destruction, and hence can be costly. Thus, it is important to predict such demonstrations in advance to safeguard against such damages. Recent research has shown that about 75 percent of protests that are regarded as legal, are planned in advance. Twitter, the prominent micro-blogging website, has been used as a tool by protestors for planning, organizing, and announcing many of the recent protests worldwide such as those that led to the Arab Spring, Britain riots, and those against Mr. Trump after the presidential election in the U.S. In this paper, we aim to predict protests by means of machine learning algorithms. In particular, we consider the case of protests against the then-president-elect Mr. Trump after the results of the presidential election were announced in November 2016. We first identify the hashtags calling for demonstration from Trending Topics on Twitter, and download the corresponding tweets. We then apply four machine learning algorithms to make predictions. Our findings indicate that Twitter can be used as a powerful tool for predicting future protests with an average prediction accuracy of over 75 percent (up to 100 percent). We further validate our model by predicting the protests held in the U.S. airports after President Trump's executive order banning citizens of seven Muslim countries from entering the U.S. An important contribution of our study is the inclusion of event specific features for prediction purposes which helps to achieve high levels of accuracy.

研究の動機と目的

• ソーシャルメディアデータ、特にTwitterを用いて、公共の抗議行動を予測するモデルを開発すること。
• リアルタイムのTwitterアナリティクスが、計画された大規模デモの兆候を検出できるかどうかを調査すること。
• 抗議関連のハッシュタグや時間的パターンなどのイベント固有の特徴量を組み込むことで、予測精度を向上させること。
• 2017年のアメリカ合衆国空港におけるムスリム禁止令抗議行動を含む、実世界の抗議イベントに対してモデルを検証すること。
• ソーシャルメディアを市民の混乱防止のための早期警戒システムとして使用する可能性を示すこと。

提案手法

• 2016年米国大統領選挙後に、TwitterのトレンドトピックAPIを用いて抗議関連のトレンドハッシュタグを収集した。
• Twitterのストリーミングおよび検索APIを用いて、特定された抗議関連ハッシュタグに関連する全ツイートをダウンロードした。
• 時間的パターン、感情分析、リツイート頻度、イベント固有のメタデータを含む包括的な特徴量を抽出した。
• 分類のための4つの機械学習アルゴリズム（ロジスティック回帰、ランダムフォレスト、勾配ブースティング、SVM）を適用した。
• 時系列の分割を用いてデータを訓練および評価し、リアルタイム予測シナリオをシミュレートした。
• 2017年のアメリカ合衆国空港におけるムスリム禁止令抗議行動の独立したデータセットを用いて、モデルの性能を検証した。

実験結果

リサーチクエスチョン

• RQ1 Twitterアナリティクスは、計画された公共の抗議行動の兆候を信頼性を持って検出できるか？
• RQ2 機械学習モデルは、一般のソーシャルメディアトラフィックと比較して、抗議関連の活動をどれほど効果的に識別できるか？
• RQ3 一般的なソーシャルメディア指標と比較して、イベント固有の特徴量が予測精度をどの程度向上させるか？
• RQ4 モデルは、2017年のムスリム禁止令抗議行動のような、時間的・文脈的要因が異なる抗議イベントにも一般化可能か？
• RQ5 Twitterデータを用いた抗議予測において、達成可能な予測精度の上限は何か？

主な発見

• 提案されたモデルは、2016年米国大統領選挙後の抗議行動を予測する際、平均して75%以上の予測精度を達成した。
• 一部のケースでは、イベント固有の特徴量を組み込むことで、100%の予測精度に達した。
• 抗議関連のハッシュタグ、活動の時間的ピーク、感情の傾向といったイベント固有の特徴量の組み込みが、モデルのパフォーマンスを顕著に向上させた。
• モデルは、ムスリム禁止令の大統領行動後に行われた2017年の空港抗議行動を正常に予測し、一般化可能性を裏付けた。
• 抗議関連ハッシュタグの時間的パターンと活動量の急増は、予定されたデモの兆候として強い指標であった。
• テストされた4つの機械学習アルゴリズムの中で、勾配ブースティングとランダムフォレストが、適合率と再現率の観点でロジスティック回帰およびSVMを上回った。