پيش‌بيني ناآرامي‌هاي مردمي با استفاده از شبكه‌هاي اجتماعي، مبتني بر يادگيري ماشين در پردازش زبان طبيعي

امروزه علاقه به پيش‌بيني و تشخيص رويدادها با استفاده از داده‌هاي موجود در شبكه‌هاي اجتماعي، افزايش يافته است. شبكه‌هاي اجتماعي را مي‌توان به‌عنوان حسگرهاي جامعه نام برد، چرا كه كاربران آن همواره نظرات مثبت و منفي خود را نسبت به اتفاقات دنياي پيرامون خود بيان مي‌كنند كه نتيجه اين تعاملات، محيطي است مملو از واكنش‌هاي بلادرنگ به حوادث دنياي واقعي. شبكه‌هاي اجتماعي يكي از بهترين ابزارها براي ارزيابي جامعه و پيش‌بيني حوادث آن است. اگر چه تشخيص و دسته‌بندي خودكار حوادث و رويدادها، به ويژه ناهنجاري‌هاي اجتماعي مانند اغتشاش يك كار پيش‌پاافتاده است اما براي دولت‌ها و سازمان‌هاي امنيتي كه نياز به پاسخگويي سريع و متناسب دارند، از ارزش بالايي برخوردار است؛ زيرا مي‌توان هزينه‌ها و خسارات ناشي از اين ناآرامي‌ها را كاهش داد. براي اين چالش، ما يك چارچوب پيش‌بيني رويداد طراحي كرديم كه به كمك آن مي‌توان رويدادهاي اخلال‌گر كه امنيت و نظم اجتماعي را تهديد مي‌كنند از رويدادهاي روزمره شناسايي كرد. براي انجام اين كار از روش‌هاي پردازش زبان طبيعي به‌منظور درك متون، حذف محدوديت‌هاي زبان انسان، تحليل احساس و موضوع استفاده كرديم، و درنهايت با استفاده از روش‌هاي يادگيري ماشين مانند Naïve Bayes و Support Vector Machines به طبقه‌بندي حوادث و رويدادها پرداختيم. در پايان چارچوب خود را در يك مجموعه داده بزرگ و واقعي از توييتر ارزيابي كرديم تا كارايي و اثربخشي سامانه خود را براي پيش‌بيني رويدادهاي آينده نشان دهيم. نتايج به‌دست آمده نشان داد كه چارچوب پيشنهادي با دقت 79 درصد توانايي تشخيص توييت‌هاي نارضايتي را دارد. همچنين موفق به استخراج اطلاعات مفيد از اين توييت‌ها در غالب 5 موضوع شديم كه با دقت 40 درصد اطلاعاتي شامل مكان، زمان، اشخاص، اهداف و عوامل مرتبط با يك رويداد را استخراج كرد.