Teknoloji

Acil Durumlarda Twitter Kullanıcılarının Konumu Belirlenebilecek

Hindistan Ulusal Patna Teknoloji Enstitüsü’ndeki araştırmacılar, yakın zamanda, acil durumların ve felaketlerin coğrafi konumlarını ve bunlara dahil olan kişilerin konumunu belirlemek için bir araç geliştirdiler. Uluslararası Afet Riskinin Azaltılması Dergisi (IJDRR)’inde yer alan bir makalede özetlenen yaklaşımları, konvolüsyonel nöral ağ (CNN) tabanlı bir model kullanarak tweet’lerden konum bilgilerini çıkarır.

Doğal afetlerden veya diğer acil durumlardan etkilenen insanlar, genellikle sosyal medyadaki yerlerini paylaşarak yardım isterler. Bu bilgi, müdahale birimlerinin ve yerel yetkililerin olayları erken tespit etmesine, mağdurları bulmasına ve onlara yardımcı olmasına yardımcı olabilir. Bununla birlikte, tweet’lerden konumla ilgili verileri çıkarmak çok zor bir iştir, çünkü bunlar genellikle standart olmayan İngilizce dilinde yazılır ve dilbilgisi hataları, yazım hataları veya kısaltmalar içerir.

Singh; “İnsan operatörlerinin tweet’leri, her tweet’den takip ederek bunlarda belirtilen konum bilgilerini bulmaları neredeyse imkansız Bu, bize yardım isteyen tweet’lerden konum bilgisini otomatik olarak çıkarmak için bir çözüm geliştirmemizi sağladı . Bu çalışmada, bir tweet’in yer isimleri içerip içermediğini belirlemek ve bu kelimeleri vurgulamak için derin öğrenmeyi kullandık.”

Singh ve meslektaşı Abhivan Kumar, tweet’lerin içeriğini analiz ederek kullanıcıların yerini belirleyebilecek bir CNN modeli geliştirdiler. Bu spesifik derin öğrenme yaklaşımını seçtiler çünkü girdi verilerinin en iyi temsilini otomatik olarak öğrenebilir ve konum referansını tanımlamak için bunu kullanabilirler.

Singh, “CNN’nin giriş katmanında tweet’leri temsil etmek için bir kelime yerleştirme tekniği kullandık ve tweet’de bulunan konum referansları, sıfır-bir vektör şeklinde çıkış katmanında temsil ediliyor. Konum sözcükleri 1 olarak kodlanmış ve konum bilgisi olmayan kelimeler 0 olarak kodlanmıştır. Tweet’ten özellikler çıkarmak için 2 gram, 3 gram, 4 gram ve 5 gram filtrelerin birkaç kombinasyonunu kullandık. 100 devir için model eğitildikten sonra, tweet’de belirtilen konum referanslarını etkileyici bir doğrulukla tahmin edebiliyor.”

Singh ve Kumar tarafından tasarlanan CNN modeli için ilk değerlendirmede, bir tweet metni karmaşık olsa bile tweet’lerdeki tüm konumla ilgili kelimeleri çok yüksek doğrulukla elde edilebildi. Araştırmacılar, modellerini önceden işlenmemiş olan ve gramer hataları, yazım hataları, kısaltmalar ve diğer karıştırıcı faktörleri içeren tweetler üzerinde test ettiler.

Singh, “Çalışmamızın temel pratik çıkarımı, olay tespit modellerini kullanarak kolayca pipeline edilebilmesidir. Olay tespit modelleri, söz konusu felaketle ilgili tweetleri belirleyebilir ve modelimiz, bu felaketten etkilenen mağdurların yerlerini çıkarabilir.”

Gelecekte, araştırmacılar tarafından geliştirilen CNN modeli acil durum olaylarını ve acil yardıma ihtiyaç duyan kişileri hızlı bir şekilde bulmaya yardımcı olabilir. Aynı yaklaşım, sivil ayaklanma, hedefli reklamcılık, bölgesel insan davranışları, gerçek zamanlı karayolu trafik yönetimin ve diğer lokasyon bazlı hizmetlere de uygulanabilir.

Singh, “Bu çalışmada yalnızca İngilizce tweet’leri dikkate aldık, ancak bir kriz sırasında kullanıcılar kendi dillerinde tweet’ler de gönderiyorlar. Bu nedenle, çok dilli sınırlamayı ele alan bir model üzerinde çalışıyoruz. Aynı zamanda veri etiketleme konusunu azaltmak için yarı denetimli bir model geliştirmeye çalışıyoruz.”

Kaynak:
TechXplore
Etiketler
1 Oy2 Oy3 Oy4 Oy5 Oy (3 oy verildi, Ortalama: 5 üzerinden 5,00 oy )
Loading...

Benzer Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Close