정보과학회 논문지 (Journal of KIISE)

  • 제41권12호
  • /
  • Pages.1066-1074
  • /
  • 2014
  • /
  • 2383-630X(pISSN)
  • /
  • 2383-6296(eISSN)
한국정보과학회 (Korean Institute of Information Scientists and Engineers)
권호 표지
DOI QR코드

DOI QR Code

Seasonal-Trend Decomposition과 시계열 상관관계 분석을 통한 비정상 이벤트 탐지 시각적 분석 시스템

Visual Analytics for Abnormal Event detection using Seasonal-Trend Decomposition and Serial-Correlation

  • 연한별 (세종대학교 컴퓨터공학과) ;
  • 장윤 (세종대학교 컴퓨터공학과)
  • 투고 : 2014.07.21
  • 심사 : 2014.10.13
  • 발행 : 2014.12.15
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 시공간 정보를 포함하는 트윗 스트림에서 비정상적인 이벤트에 대한 상관관계를 사용자에게 시각적으로 분석하는 방법을 다양한 실험을 통하여 제안한다. 제안하는 방법으로는 트윗에서 토픽 모델링을 수행한 다음 계절요인과 추세요인을 반영한 시계열 분석 기법을 이용하여 비정상적인 이벤트 후보군을 추출한다. 추출된 토픽이 포함되어 있는 데이터를 대상으로 다시 한 번 토픽을 추출하여 시계열 분석을 수행한 다음 앞서 추출한 토픽과의 상관관계를 분석하여 비정상적인 이벤트를 탐지할 수 있도록 하였다. 비정상 이벤트를 탐지하는 모든 과정에 시각적 분석 방법을 이용하여 단순한 수치 정보가 아닌 시각적 패턴 형태로 나타냄으로써 사용자는 직관적으로 비정상 이벤트의 동향과 주기적인 패턴을 분석할 수 있도록 하였다. 실험은 2014년 1월 1일부터 2014년 6월 30일까지 국내에서 발생한 트윗을 대상으로 2개의 사건[경주 마우나 리조트 붕괴 사건(2014.02.17.), 진도 여객선 침몰 사건(2014.04.16.)]에 대해 시각적 분석 시스템을 적용하여 사용자는 쉽게 데이터를 분석하고 이해할 수 있음을 보였다.

In this paper, we present a visual analytics system that uses serial-correlation to detect an abnormal event in spatio-temporal data. Our approach extracts the topic-model from spatio-temporal tweets and then filters the abnormal event candidates using a seasonal-trend decomposition procedure based on Loess smoothing (STL). We re-extract the topic from the candidates, and then, we apply STL to the second candidate. Finally, we analyze the serial-correlation between the first candidates and the second candidate in order to detect abnormal events. We have used a visual analytic approach to detect the abnormal events, and therefore, the users can intuitively analyze abnormal event trends and cyclical patterns. For the case study, we have verified our visual analytics system by analyzing information related to two different events: the 'Gyeongju Mauna Resort collapse' and the 'Jindo-ferry sinking'.

키워드

과제정보

연구 과제 주관 기관 : 정보통신산업진흥원

참고문헌

  1. C. W. Pak, and J. Thomas, "Visual Analytics," IEEE Computer Graphics and Applications, Vol. 24, Issue 5, pp. 20-21, 2004.
  2. F. Wanner, A. Stoffel, D. Jackle, B. C. Kwon, A. Weiler, and D. A. Keim, "State-of-the-Art Report of Visual Analysis for Event Detection in Text Data Streams," Proc. of Eurographics Conference on Visualization (EuroVis), 2014.
  3. F. Wei, S. Liu, Y. Song, S. Pan, M. X. Zhou, W. Qian, L. Shi, L. Tan, and Q. Zhang, "Tiara: a visual exploratory text analytic system," Proc. of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 153-162, 2010.
  4. M. Itoh, M. Toyoda, and M. Kitsuregawa, "Visualizing time-varying topics via images and texts for inter-media analysis," Proc. of the 17th International Conference on Information Visualization (IEEE), pp. 568-576, 2013.
  5. H. Bosch, D. Thom, F. Heimerl, E. Puttmann, S. Koch, R. Kruger, M. Worner, and T. Ertl, "Scatterblogs2: Real-time monitoring of microblog messages through user-guided filtering," IEEE Transactions on Visualization and Computer Graphics, Vol. 19, No. 12, 2013.
  6. J. Yim, S. Kim, J. Yoon, P. Oh, B. Lee, and B. Hwang, "Detecting Local Events Using Twitter," Proc. of the KIISE Korea Computer Congress 2013, pp. 248-250, 2013. (in Korean)
  7. J. Chae, D. Thom, H. Bosch, Y. Jang, R. Maciejewski, D. Ebert, and T. Ertl, "Spatiotemporal Social Media Analysis for Abnormal Event Detection using Seasonal-Trend Decomposition," Proc. of IEEE Conference on Visual Analytics Science and Technology (IEEE VAST), pp. 143-152, 2012.
  8. N. Glance, and M. H. Ruge, "Derving marketing intelligence from online discussion," Proc. of the 17th. ACM SIGKDD international conference on Knowledge discovery in data mining, pp. 419-428, 2005.
  9. T. Sakaki, M. Okzaki, and Y. Matsuo, "Earthquake Shakes Twitter Users: Real-time Event Detection by Social Sensors," Proc. of the 19th International Conference on World Wide Web, pp. 851-860, 2010.
  10. Robert B. Cleveland, William S. Cleveland, Jean E. McRae, and Irma Terpenning, "STL: A Seasonal- Trend Decomposition Procedure Based on Loess," Official Statistics, Vol. 6, No. 1, pp. 3-73, 1990.
  11. J. Chae, D. Thom, Y. Jang, S. Y. Kim, T. Ertl, and D. Ebert, "Public behavior response analysis in disaster events utilizing visual analytics of microblog data," Computer & Graphics, Vol. 38, pp. 51-60, 2014. https://doi.org/10.1016/j.cag.2013.10.008
  12. A. Malik, R. Maciejewski, Y. Jang, W. Huang, N. Elmqvist, and D. Ebert, "A Correlative Analysis Process in a Visual Analytics Environment," Proc. of IEEE Conference on Visual Analytics Science and Technology (IEEE VAST), pp.33-42, 2012.
  13. E. Bertini, J. Buchmuller, F. Fischer, and S. Huber, T. Lindemeier, F. Maass, F. Mansmann, T. Ramm, M. Regenscheit, and C. Rohrdantz, "Visual analytics of terrorist activities related to epidemics," Proc. of Visual analytics Science and Technology (VAST), 2011.
  14. David M. Blei, Andrew Y. Ng, Michael I. Jordan, "Latent Dirichlet Allocation," Machine Learning Research, 2003.
  15. C. Y. Ock. "UTagger," [Online]. Available: http://nlplab.ulsan.ac.kr, 2013.
  16. McCallum, Andrew Kachites, "MALLET: A Machine Learning for Language Toolkit," [Online]. Available: http://mallet.cs. umass.edu., 2002.

피인용 문헌

  1. Visual Analytics using Topic Composition for Predicting Event Flow vol.21, pp.12, 2015, https://doi.org/10.5626/KTCP.2015.21.12.768