Exploiting Geolocation, User and Temporal Information for Natural Hazards Monitoring in Twitter

• Autores: Víctor Fresno Fernández , Arkaitz Zubiaga , Heng Ji, Raquel Martínez Unanue
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 54, 2015, págs. 85-92
• Idioma: inglés
• Títulos paralelos:
  • Uso de Información de Geolocalización, Usuario y Temporal para la Monitorización de Desastres Naturales en Twitter
• Enlaces
  • Texto completo
• Resumen
  • español

    Cuando se producen eventos relacionados con situaciones de emergencia, es importante acceder a tanta información como sea posible relacionada con dicho evento. En este contexto algunas redes sociales como Twitter suponen un importante recurso de información en tiempo real. La técnicas clásicas de filtrado de información suelen centrarse en el análisis de coocurrencia de términos con el conjunto de palabras clave inicialmente consideradas. Sin embargo, estas aproximaciones pueden perder información, ya que no son capaces de recuperar información relevante que venga expresada con palabras que no coocurran con las palabras clave inicialmente usadas, y que expresan nuestra necesidad de información. Considerar información de geolocalización, usuario o temporal dentro de un enfoque de pseudo-relevance feedback, nos permite encontrar terminología relacionada con el evento, pero no coocurrente con las palabras clave inicialmente consideradas. Por otro lado, considerando el aspecto temporal se puede modificar una función de expansión de consultas como la divergencia de Kullback-Leibler con el fin de mejorar el filtrado de información en estas situaciones de emergencia. Nuestras propuestas se han evaluado en dos colecciones de eventos del mundo real obteniéndose resultados alentadores.

  • English

    During emergency situation events it is important to acquire as much information about the event as possible, and social media sites like Twitter offer important real-time user contributed data. Typical Information Filtering techniques are keyword-based approaches or focused on co-occurrence with keywords. However, these approaches can miss relevant local information if messages do not contain an initially considered event-related keyword. Considering geolocation, user and temporal information within a pseudo-relevance feedback approach we can find event-related terminology but not co-occurring with initially considered keywords. Thus, taking into account the temporal aspect we can modify a query expansion function like Kullback-Leibler divergence in order to improve the Information Filtering process. Our proposed approaches have been evaluated in two Twitter datasets associated with real-world events, obtaining encouraging results.

• Referencias bibliográficas
  • Carpineto, C., R. de Mori, G. Romano, and B. Bigi. 2001. An information-theoretic approach to automatic query expansion. ACM Trans. Inf. Syst.,...
  • De Longueville, B., R.S. Smith, and G. Luraschi. 2009. OMG, from here, i can see the ames!: A use case of mining location based social networks...
  • Deerwester, S., S.T. Dumais, G.W. Furnas, T.K. Landauer, and R. Harshman. 1990. Indexing by latent semantic analysis. Journal of the American...
  • Hiemstra, D. 2009. Information Retrieval Models. Information Retrieval: Searching in the 21st Century, Wiley.
  • Hughes, A.L. and L. Palen. 2009. Twitter adoption and use in mass convergence and emergency events. International Journal of Emergency Management,...
  • Imran, M., C. Castillo, F. Diaz, and S. Vieweg. 2014. Processing social media messages in mass emergency: A survey. CoRR, abs/1407.7071.
  • Kullback, S. and R.A. Leibler. 1951. On information and sufficiency. Ann. Math. Statist., 22(1):79-86.
  • Mills, A., R. Chen, J. Lee, and H. R. Rao. 2009. Web 2.0 emergency applications: How useful can twitter be for emergency response. Journal...
  • Palen, L., K. Anderson, G. Mark, J. Martin, D. Sicker, and D. Grunwald. 2010. A vision for technology-mediated public participation and assistance...
  • Sakaki, T., M. Okazaki, and Y. Matsuo. 2010. Earthquake shakes twitter users: real-time event detection by social sensors. In Proceedings...
  • Sasaki, K., S. Nagano, K. Ueno, and K. Cho. 2012. Feasibility study on detection of transportation information exploiting twitter as a sensor....
  • Schnebele, E. and G. Cervone. 2013. Improving remote sensing ood assessment using volunteered geographical data. Na- tural Hazards and Earth...
  • Shinohara, M., A. Hattori, S. Ioroi, H. Tanaka, H. Hayami, H. Fujioka, and Y. Harada. 2011. Design and trial of a cellphone-based hazard information...
  • Shklovski, I., L. Palen, and J. Sutton. 2008. Finding community through information and communication technology in disaster events. In Proceedings...
  • Sinnappan, S., C. Farrell, and E. Stewart. 2010. Priceless tweets! a study on twitter messages posted during crisis: Black saturday. In Proceedings...
  • Sorensen, J.H. and B. Sorensen. 2007. Community processes: Warning and evacuation. In Handbook of Disaster Research, Handbooks of Sociology...
  • Starbird, K., L. Palen, A.L. Hughes, and S. Vieweg. 2010. Chatter on the red: What hazards threat reveals about the social life of microblogged...
  • Steyvers, M. and T. Griffiths, 2007. Latent Semantic Analysis: A Road to Meaning, chapter Probabilistic topic models. Erlbaum, L.
  • Sutton, J., L. Palen, and I. Shklovki. 2008. Backchannels on the front lines: Emergent use of social media in the 2007 southern california...
  • Vieweg, S., A.L. Hughes, K. Starbird, and L. Palen. 2010. Microblogging during two natural hazards events: what twitter may contribute to...
  • Xu, J. and W.B. Croft. 1996. Query expansion using local and global document analysis. In Proceedings of SIGIR 96, pa- ges 4-11, Zurich. ACM.
  • Zubiaga, A., D. Spina, V. Fresno, and R. Martínez. 2011. Classifying trending topics: a typology of conversation triggers on twitter. In C....