[论文解读] Learning to Discover Key Moments in Social Media Streams

Cody Buntain, Jimmy Lin+1 more|arXiv (Cornell University)|Aug 3, 2015

Complex Network Analysis Techniques参考文献 21被引用 5

一句话总结

该论文提出 LABurst，一种与语言无关的流式机器学习方法，通过识别标记频率的突发性来检测社交媒体中的关键事件，而无需依赖领域特定的关键词或种子词。该方法在检测体育赛事和灾难事件中的高影响力事件方面，优于时间序列基线方法，并与领域特定方法表现相当，包括在事件发生后两分钟内识别出与地震相关的频率峰值。

ABSTRACT

This paper introduces LABurst, a general technique for identifying key moments, or moments of high impact, in social media streams without the need for domain-specific information or seed keywords. We leverage machine learning to model temporal patterns around bursts in Twitter's unfiltered public sample stream and build a classifier to identify tokens experiencing these bursts. We show LABurst performs competitively with existing burst detection techniques while simultaneously providing insight into and detection of unanticipated moments. To demonstrate our approach's potential, we compare two baseline event-detection algorithms with our language-agnostic algorithm to detect key moments across three major sporting competitions: 2013 World Series, 2014 Super Bowl, and 2014 World Cup. Our results show LABurst outperforms a time series analysis baseline and is competitive with a domain-specific baseline even though we operate without any domain knowledge. We then go further by transferring LABurst's models learned in the sports domain to the task of identifying earthquakes in Japan and show our method detects large spikes in earthquake-related tokens within two minutes of the actual event.

研究动机与目标

• 开发一种无需预先知识或关键词列表即可检测社交媒体流中高影响力、意外关键事件的方法。
• 解决基于关键词和仅时间序列方法在捕捉意外或语义丰富的事件方面的局限性。
• 创建一种灵活、与语言无关的系统，能够从未经过滤的 Twitter 流中实时检测并描述关键事件。
• 在多样化领域（体育和自然灾害）中评估该方法的性能，证明其可迁移性和鲁棒性。
• 使记者和应急响应人员即使在无现场存在或无领域特定配置的情况下，也能快速识别和理解重大事件。

提出的方法

• LABurst 使用流式算法监控 Twitter 公开采样流中的实时标记频率，通过时间模式检测突发性。
• 它应用机器学习来建模标记周围的突发行为，使用相对频率变化作为高影响力事件的指标。
• 该系统通过聚合突发标记的总体积来识别关键事件，假设更高的总体积表示更大的事件影响。
• 特征包括时间统计量（如 z 分数、突发持续时间、峰值强度），以区分有意义的突发与噪声。
• 在体育数据上训练的模型经过微调后可直接迁移至灾害检测任务（如日本地震），而无需从头开始训练。
• 该方法与语言无关，仅依赖于标记频率模式，从而实现跨语言和跨领域的适用性。

实验结果

研究问题

• RQ1 是否能够通过突发检测系统在不依赖人工筛选关键词或领域特定种子词的情况下，识别社交媒体流中的高影响力事件？
• RQ2 LABurst 在检测重大体育赛事中的关键事件时，与基于时间序列和领域特定的突发检测方法相比表现如何？
• RQ3 在某一领域（如体育）上训练的模型在多大程度上可有效迁移至另一领域（如自然灾害）以实现事件检测？
• RQ4 LABurst 是否能比基于关键词的系统更有效地检测意外或语义复杂的事件（如难以通过关键词预测的争议性事件）？
• RQ5 LABurst 在现实数据中，能在地震等新兴事件发生后多快检测到？

主要发现

• LABurst 在检测 2013 年世界大赛、2014 年超级碗和 2014 年世界杯的关键事件时，优于基于时间序列的基线方法。
• 尽管对体育术语毫无先验知识，LABurst 的性能仍与领域特定的基于关键词的方法相当。
• LABurst 在日本实际地震事件发生后两分钟内成功检测到与地震相关的标记频率大幅上升，展示了实时响应能力。
• 该系统识别出如 2014 年世界杯中路易斯·苏亚雷斯咬人事件等意外事件，而这些事件被基于关键词的基线方法所遗漏。
• 将体育数据上训练的模型迁移至灾害检测任务，其性能可与领域特定方法相媲美，凸显了跨领域适应能力。
• 该方法通过返回突发标记提供可解释的事件描述，使用户无需外部上下文即可理解检测到事件的性质。