[论文解读] "Breaking" Disasters: Predicting and Characterizing the Global News Value of Natural and Man-made Disasters

Armineh Nourbakhsh, Quanzhi Li+2 more|arXiv (Cornell University)|Sep 7, 2017

Public Relations and Crisis Communication被引用 6

一句话总结

本文提出了一种机器学习模型，通过分析话题、影响范围、影响程度和地理位置等特征，预测在Twitter上报告的本地灾难事件是否会在24小时内获得全球媒体关注。该模型在使用全部特征的情况下取得了83.24%的F1分数，表明话题和国家代码是预测全球新闻价值最强的指标。

ABSTRACT

Due to their often unexpected nature, natural and man-made disasters are difficult to monitor and detect for journalists and disaster management response teams. Journalists are increasingly relying on signals from social media to detect such stories in their early stage of development. Twitter, which features a vast network of local news outlets, is a major source of early signal for disaster detection. Journalists who work for global desks often follow these sources via Twitter's lists, but have to comb through thousands of small-scale or low-impact stories to find events that may be globally relevant. These are events that have a large scope, high impact, or potential geo-political relevance. We propose a model for automatically identifying events from local news sources that may break on a global scale within the next 24 hours. The results are promising and can be used in a predictive setting to help journalists manage their sources more effectively, or in a descriptive manner to analyze media coverage of disasters. Through the feature evaluation process, we also address the question: "what makes a disaster event newsworthy on a global scale?" As part of our data collection process, we have created a list of local sources of disaster/accident news on Twitter, which we have made publicly available.

研究动机与目标

• 开发一个预测模型，识别在24小时内可能被全球新闻媒体报道的Twitter上报告的本地灾难事件。
• 描述决定自然和人为灾难全球新闻价值的特征。
• 通过自动化早期检测潜在的全球性新闻事件，支持记者优先处理高影响力的本地新闻故事。
• 通过识别驱动全球媒体关注的新闻特征，分析媒体偏见和报道模式。
• 创建并公开发布一份经筛选的本地灾难新闻来源列表，供研究和应用使用。

提出的方法

• 该模型使用支持向量机（SVM）分类器，基于从报告灾难的推文提取的特征进行训练。
• 特征包括话题（如恐怖主义、地震）、影响范围（如受影响人数）、影响程度（如死亡人数、基础设施损坏）、稀有性以及地理位置（国家代码）。
• 文本特征通过命名实体识别和词汇分析提取，包括表示严重程度的形容词（如“致命的”）。
• 模型在18个经验证的灾难事件数据集上进行训练和评估，真实标签来自路透社新闻警报。
• 通过模型权重评估特征重要性，并使用2017年7月的实时数据流测试时效性。
• 系统避免依赖先前的媒体曝光，以防止偏差，并确保与预测目标的独立性。

实验结果

研究问题

• RQ1 灾难事件的哪些特征最能预测其在24小时内获得全球媒体关注？
• RQ2 与全球媒体报道相比，Twitter上本地灾难报告的发布时间提前了多少？
• RQ3 影响程度、影响范围和地理位置在多大程度上影响灾难事件获得全球报道的可能性？
• RQ4 为何一些高影响事件尽管有本地报道，却未能获得全球关注？
• RQ5 能否在不依赖先前媒体曝光的情况下，通过本地社交媒体信号训练出可靠的模型来预测全球新闻价值？

主要发现

• 完整特征集的F1得分为83.24%，表明对全球新闻价值的预测性能出色。
• 话题和国家代码是影响最大的特征，其中话题对被匹配（全球报道）类别的贡献最大。
• 人为影响是预测未匹配（未被全球报道）事件的更强指标，可能是因为早期推文中的报道存在延迟。
• 该系统在时效性上优于路透社，平均领先27分钟，且在44%的情况下超越了路透社。
• 稀有性预测能力有限，可能是因为全球媒体对冲突相关事件的报道一贯稳定，即使这些事件较为常见。
• 该模型与先前媒体曝光无关，使其可应用于新闻工作流程支持、偏见分析以及特定媒体渠道的建模。