트위터를 활용한 실시간 이벤트 탐지에서의 재난 키워드 필터링과 지명 검출 기법 = Keyword Filtering about Disaster and the Method of Detecting Area in Detecting Real-Time Event Using Twitter

국문 초록 (Abstract)

본 논문에서는 트위터를 활용하여 이벤트를 실시간으로 탐지하는 시스템에서의 재난 키워드 필터링과 지명 검출 기법을 제안한다. 스마트폰 의 보급이 SNS의 빠른 확산을 이끌었고, 최근 SNS를 활용하여 다양한 연구들이 진행되고 있다. SNS 중에서 트위터는 140자의 단문으로 작성 되어 빠르게 확산되는 특성을 가지고 있다. 따라서 트윗 사용자들이 작성하는 트윗은 하나의 센서 역할을 수행할 수 있다. 이러한 특성들을 이 용하여 발생한 이벤트를 탐지하는 연구가 진행되었다. 그러나 최근 개인 정보 유출 사례가 증가해 자신의 위치 정보를 공개하기 꺼려함에 따라 재난이 발생한 지역을 파악하는데 어려움이 있다. 또한 맞춤법을 따르지 않은 게시글의 내용을 분석하는 과정에서 정확성과 관련된 문제가 발 생한다. 따라서 이벤트 발생 탐지 과정에 재난 관련 키워드 필터링과 지명 검출 기법이 추가적으로 적용되어야 한다. 본 논문에서는 재난 관련 키워드 필터링의 적용과 두 가지 지명 검출 기법을 제안한다. 지명을 검출하는 두 가지 기법은 지명 단어에서 발생되는 노이즈를 제거하는 지 명 노이즈 제거 기법과 랜드 마크를 이용하여 지명 단어를 확정하는 지명 확정 기법이다. 재난 관련 키워드와 두 지명 검출 기법을 적용한 결 과 기존 시스템의 정확도 49%에서 지명노이즈 제거기법은 78%, 지명확정기법은 89%로 향상되었다

다국어 초록 (Multilingual Abstract)

This research suggests the keyword filtering about disaster and the method of detecting area in real-time event detecting system by analyzing contents of twitter. The diffusion of smart-mobile has lead to a fast spread of SNS and nowadays, various researches based on studying SNS are being processed. Among SNS, the twitter has a characteristic of fast diffusion since it is written in 140 words of short paragraph. Therefore, the tweets that are written by twitter users are able to perform a role of sensor. By using these features the research has been constructed which detects the events that have been occurred. However, people became reluctant to open their information of location because it is reported that private information leakage are increasing. Also, problems associated with accuracy are occurred in process of analyzing the tweet contents that do not follow the spelling rule. Therefore, additional designing keyword filtering and the method of area detection on detecting real-time event process were required in order to develop the accuracy. This research suggests the method of keyword filtering about disaster and two methods of detecting area. One is the method of removing area noise which removes the noise that occurred in the local name words. And the other one is the method of determinating the area which confirms local name words by using landmarks. By applying the method of keyword filtering about disaster and two methods of detecting area, the accuracy has improved. It has improved 49% to 78% by using the method of removing area noise and the other accuracy has improved 49% to 89% by using the method of determinating the area

참고문헌 (Reference)

1 신준철, "한국어 품사 및 동형이의어 태깅을 위한 단계별 전이모델" 한국정보과학회 39 (39): 889-901, 2012

2 임준엽, "트위터 기반의 실시간 이벤트 지역 탐지 시스템" 한국정보처리학회 4 (4): 301-308, 2015

3 우승민, "트위터 기반 이벤트 탐지에서의 기계학습을 통한 지명 노이즈제거" 한국정보처리학회 4 (4): 447-454, 2015

4 "Twitter Streaming API"

5 J. Yim, "The Method for Removing Noises from Event Detection using Twitter" 105-106, 2014

6 R. Li, "TEDAS : a Twitter Based Event Detection and Analysis System" 1273-1276, 2012

7 Republic of Korea National Statistical Office, "Population and Housing Census"

8 "Naver Breaking News"

9 S. Lee, "Lucean Korean Morph Analyzer"

10 X. Zhou, "Event Detection over Twitter Social Media Streams" 23 (23): 381-400, 2014

11 J. Hur, "A Homonym Disambiguation System based on Semantic Information Extracted from Dictionary Definitions" 28 (28): 688-698, 2001