Show simple item record

Detecting emergency situations based on location in Twitter

Professor Guidedc.contributor.advisorPoblete Labra, Barbara
Professor Guidedc.contributor.advisorCampos Muñoz, Jaime
Authordc.contributor.authorSarmiento Albornoz, Hernán Andrés 
Associate professordc.contributor.otherBarrios Nuñez, Juan
Associate professordc.contributor.otherPiquer Gardner, José
Associate professordc.contributor.otherTaramasco Toro, Carla
Admission datedc.date.accessioned2019-11-06T18:43:17Z
Available datedc.date.available2019-11-06T18:43:17Z
Publication datedc.date.issued2019
Identifierdc.identifier.urihttp://repositorio.uchile.cl/handle/2250/172660
General notedc.descriptionTesis para optar al grado de Magíster en Ciencias, Mención Computaciónes_ES
Abstractdc.description.abstractDurante situaciones de emergencia tales como terremotos o atentados terroristas, los usuarios en redes sociales comparten masiva y colectivamente mensajes relacionados al evento. En muchas ocasiones, estos usuarios se transforman en testigos presenciales en el lugar de los hechos. En efecto, estos usuarios suelen compartir información relevante de manera mucho más rápida que los medios tradicionales de comunicación. Por consiguiente, así como los sensores físicos se activan cuando son estimulados, estos usuarios actúan como sensores ciudadanos localizados en lugares geográficos que reaccionan y detectan eventos de manera similar. La mayoría de los métodos para detectar situaciones de emergencia usando redes sociales, se basan en identificar características en los mensajes que contienen palabras claves específicas para cierto dominio. Sin embargo, los métodos basados en palabras claves requieren modelos que son entrenados con datos históricos en dominios específicos, múltiples idiomas y para diferentes tipos de eventos (por ejemplo, terremotos, aluviones, incendios forestales, etc). Además de ser costoso, estos enfoques podrían fallar al detectar situaciones que ocurren de manera inesperada, tales como catástrofes no comunes o ataques terroristas. Así mismo, las menciones colectivas de palabras clave no son el único tipo de fenómenos de auto-organización que pueden surgir cuando se produce una situación extrema en el mundo real. Para aprovechar esta información, utilizamos la actividad de geolocalización de manera auto-organizada para identificar situaciones de emergencia en Twitter. En nuestro trabajo proponemos detectar dichos eventos mediante el seguimiento de las frecuencias y las distribuciones de probabilidad del tiempo de llegada entre mensajes relacionados con ubicaciones específicas. Usando un clasificador estándar que es independiente de las características específicas del dominio, estudiamos y describimos situaciones de emergencia basadas únicamente en características correspondientes a la ubicación de los mensajes. En nuestro trabajo introducimos el concepto de propagación geográfica para saber si un evento corresponde o no a una situación de emergencia. Este término define si un evento de emergencia es focalizado o difuso, lo cual permite reducir la cantidad de falsos positivos en eventos que no están relacionados a situaciones de emergencia. Finalmente, nuestra contribución es proponer una prueba de concepto que permita detectar eventos de crisis mediante un modelo que no utiliza atributos del texto para clasificar, sino más bien la distribución y frecuencia que tienen los mensajes en ventanas de tiempo. Además nuestros hallazgos indican que las anomalías en la actividad de los usuarios en redes sociales, están relacionados con la ubicación los cuales proporcionan información para detectar automáticamente situaciones de emergencia independientes de su dominio. Los resultados indican que es posible detectar hasta un 80% de las situaciones de crisis sin utilizar características o atributos de texto.es_ES
Lenguagedc.language.isoenes_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 Chile*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/cl/*
Keywordsdc.subjectMinería de datoses_ES
Keywordsdc.subjectRedes socialeses_ES
Keywordsdc.subjectAprendizaje de máquinaes_ES
Keywordsdc.subjectEmergenciases_ES
Keywordsdc.subjectGeolocalizaciónes_ES
Títulodc.titleDetecting emergency situations based on location in Twitteres_ES
Document typedc.typeTesises_ES
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ciencias de la Computaciónes_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES


Files in this item

Icon
Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Chile
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 Chile