پیش بینی ناآرامی های مردمی با استفاده از شبکه های اجتماعی، مبتنی بر یادگیری ماشین در پردازش زبان طبیعی

امروزه علاقه به پیش بینی و تشخیص رویدادها با استفاده از داده های موجود در شبکه های اجتماعی، افزایش یافته است. شبکه های اجتماعی را می توان به عنوان حسگرهای جامعه نام برد، چرا که کاربران آن همواره نظرات مثبت و منفی خود را نسبت به اتفاقات دنیای پیرامون خود بیان می کنند که نتیجه این تعاملات، محیطی است مملو از واکنش های بلادرنگ به حوادث دنیای واقعی. شبکه های اجتماعی یکی از بهترین ابزارها برای ارزیابی جامعه و پیش بینی حوادث آن است. اگر چه تشخیص و دسته بندی خودکار حوادث و رویدادها، به ویژه ناهنجاری های اجتماعی مانند اغتشاش یک کار پیش پاافتاده است اما برای دولت ها و سازمان های امنیتی که نیاز به پاسخگویی سریع و متناسب دارند، از ارزش بالایی برخوردار است؛ زیرا می توان هزینه ها و خسارات ناشی از این ناآرامی ها را کاهش داد. برای این چالش، ما یک چارچوب پیش بینی رویداد طراحی کردیم که به کمک آن می توان "رویدادهای اخلال گر" که امنیت و نظم اجتماعی را تهدید می کنند از رویدادهای روزمره شناسایی کرد. برای انجام این کار از روش های پردازش زبان طبیعی به منظور درک متون، حذف محدودیت های زبان انسان، تحلیل احساس و موضوع استفاده کردیم، و درنهایت با استفاده از روش های یادگیری ماشین مانند Naïve Bayes و Support Vector Machines به طبقه بندی حوادث و رویدادها پرداختیم. در پایان چارچوب خود را در یک مجموعه داده بزرگ و واقعی از توییتر ارزیابی کردیم تا کارایی و اثربخشی سامانه خود را برای پیش بینی رویدادهای آینده نشان دهیم. نتایج به دست آمده نشان داد که چارچوب پیشنهادی با دقت 79 درصد توانایی تشخیص توییت های نارضایتی را دارد. همچنین موفق به استخراج اطلاعات مفید از این توییت ها در غالب 5 موضوع شدیم که با دقت 40 درصد اطلاعاتی شامل مکان، زمان، اشخاص، اهداف و عوامل مرتبط با یک رویداد را استخراج کرد.