정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)

  • 제21권12호
  • /
  • Pages.768-773
  • /
  • 2015
  • /
  • 2383-6318(pISSN)
  • /
  • 2383-6326(eISSN)
한국정보과학회 (Korean Institute of Information Scientists and Engineers)
권호 표지
DOI QR코드

DOI QR Code

토픽의 조합으로 이벤트 흐름을 예측하기 위한 시각적 분석 시스템

Visual Analytics using Topic Composition for Predicting Event Flow

  • 연한별 (세종대학교 컴퓨터공학과) ;
  • 김석연 (세종대학교 컴퓨터공학과) ;
  • 장윤 (세종대학교 컴퓨터공학과)
  • 투고 : 2015.09.02
  • 심사 : 2015.10.12
  • 발행 : 2015.12.15
⟨ 이전 논문 다음 논문 ⟩

초록

사회적 혼란을 야기하는 이벤트는 발생 직후 어떻게 대응하느냐에 따라 소요되는 비용의 편차가 크다. 이에 따라 비정상적인 이벤트를 탐지하고 의미를 파악하는 연구가 많이 진행되고 있다. 또한 예측 분석에 관한 연구도 많이 수행되고 있다. 그러나 대부분의 연구는 이벤트의 전체적인 미래 경향에 대한 수치 결과를 예측할 뿐, 이벤트가 내포하는 의미에 대한 예측 연구는 미비하다. 이에 따라 본 논문에서는 비정상적인 이벤트가 내포하는 토픽의 조합을 통해 미래에 어떠한 일이 발생할 수 있는지에 대한 시각적 예측 분석 방법을 제안한다. 제안하는 방법은 먼저 트윗에서 실시간으로 비정상 이벤트를 탐지한다. 그 다음 과거 유사한 사례를 탐색한 다음 이벤트와 관련된 토픽들을 추출한다. 마지막으로 사용자는 의미 있는 토픽의 조합을 통해 미래에 어떠한 일이 발생할 수 있을지 분석할 수 있다. 실험은 두 가지 상황에 대한 예측 분석을 수행하였으며, 실험 결과 본 논문에서 제안한 방법의 타당성을 입증하였다.

Emergence events are the cause of much economic damage. In order to minimize the damage that these events cause, it must be possible to predict what will happen in the future. Accordingly, many researchers have focused on real-time monitoring, detecting events, and investigating events. In addition, there have also been many studies on predictive analysis for forecasting of future trends. However, most studies provide future tendency per event without contextual compositive analysis. In this paper, we present a predictive visual analytics system using topic composition to provide future trends per event. We first extract abnormal topics from social media data to find interesting and unexpected events. We then search for similar emergence patterns in the past. Relevant topics in the past are provided by news media data. Finally, the user combines the relevant topics and a new context is created for contextual prediction. In a case study, we demonstrate our visual analytics system with two different cases and validate our system with possible predictive story lines.

키워드

과제정보

연구 과제 주관 기관 : 한국연구재단, 정보통신기술진흥센터

참고문헌

  1. J. Chae, D. Thom, H. Bosch, Y. Jang, R. Maciejewski, D. S. Ebert, and T. Ertl, "Spatiotemporal social media analytics for abnormal event detection and examination using seasonal-trend decomposition," IEEE Conference on Visual Analytics Science and Technology, VAST, 2012.
  2. Hanbyul Yeon, Yun Jang, "Visual Analytics for Abnormal Event detection using Seasonal-Trend Decomposition and Serial-Correlation," Journal of KIISE, Vol. 41, No. 12, pp. 1066-1074, 2014. https://doi.org/10.5626/JOK.2014.41.12.1066
  3. T. Sakaki, M. Okazaki, and Y. Matsuo, "Earthquake shakes twitter users: Real-time event detection by social sensors," Proc. of the 19th International Conference on World Wide Web, WWW'10, 2010.
  4. 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.
  5. Bosch H., Thom D., Heimerl F., Puttmann E., Koch S., Kruger R., Worner M., Ertl T., "Scatterblogs2: Real-time monitoring of microblog messages through user-guided filtering," Journal of IEEE Transactions on Visualization and Computer Graphics, Vol. 19, No. 12, 2013.
  6. H. Sayyadi, M. Hurst, and A. Maykov, "Event detection and tracking in social streams," Proc. of the International Conference on Weblogs and Social Media, 2009.
  7. T. Takahashi, R. Tomioka, and K. Yamanishi, "Discovering emerging topics in social streams via link-anomaly detection," IEEE Trans. Knowl. Data Eng., 2014.
  8. H. Becker, "Identification and Characterization of Events in Social Media," PhD thesis, Columbia University, 2011.
  9. J. Bollen, H. Mao, and X. Zeng, "Twitter mood predicts the stock market," Journal of Computational Science, 2011.
  10. E. T. K. Sang and J. Bos, "Predicting the 2011 dutch senate election results with twitter," Proc. of the Workshop on Semantic Analysis in Social Media, 2012.
  11. A. Tumasjan, T. Sprenger, P. Sandner, and I. Welpe, "Predicting elections with twitter: What 140 characters reveal about political sentiment," Proc. of the Fourth International AAAI Conference on Weblogs and Social Media, pp. 178-185, 2010.
  12. M. El Assady, W. Jentner, M. Stein, F. Fischer, T. Schreck, and D. A. Keim, "Predictive Visual Analytics Approaches for Movie Ratings and Discussion of Open Research Challenges," Proc. of the IEEE VIS 2014 Workshop Visualization for Predictive Analytics, 2014.
  13. M. C. Hao, H. Janetzko, S. Mittelstadt, W. Hill, U. Dayal, D. A. Keim, M. Marwah, and R. K. Sharma, "A visual analytics approach for peak-preserving prediction of large seasonal time series," Comput. Graph. Forum, 30(3):691-700, 2011. https://doi.org/10.1111/j.1467-8659.2011.01918.x
  14. Y. Lu, R. Kruger, D. Thom, F. Wang, S. Koch, T. Ertl, and R. Maciejewski, "Integrating predictive analytics and social media," Proc. Visual Analytics Science and Technology (VAST), 2014 IEEE Conference, 2014.