Detailergebnis zu DOK-Nr. 77399
Schätzung der Stimmung von Menschenmengen aus sozialen Medien während städtischer Veranstaltungen (Orig. engl.: Estimate sentiment of crowds from social media during city events)
| Autoren |
V.X. Gong W. Daamen A. Bozzon S.P. Hoogendoorn |
|---|---|
| Sachgebiete |
0.11 Datenverarbeitung 5.3 Stadtverkehr (Allgemeines, Planungsgrundlagen) |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2673, H. 11, 2019, S. 836-850, 3 B, 6 T, 52 Q. - Online-Ressource: verfügbar unter: http://journals.sagepub.com/home/trr
In städtischen Gebieten werden immer häufiger Veranstaltungen mit größeren Menschenmengen organisiert. Während solcher Veranstaltungen wird die Menschenmenge von den Behörden gesteuert, um das Risiko von Zwischenfällen aufgrund interner und externer Bedrohungen zu verringern. Dies wird in der Regel durch vordefinierte Maßnahmen erreicht, die auf qualitativen Interpretationen der Menschenmenge durch Ordner, Polizeibeamte oder Mitarbeitende der Veranstaltungsorganisation basieren. Es besteht aber ein zunehmender Bedarf an neuartigen Methoden und Werkzeugen, die Informationen über die Stimmungslage von Menschenmengen als Input für das sogenannte Crowd Management liefern können. Bisherige Arbeiten haben sich mit der Stimmungsanalyse befasst, und es wurde eine große Anzahl von Methoden für verschiedene Kontexte vorgeschlagen. Keine von ihnen zielte jedoch darauf ab, die Stimmungen von Menschenmengen, die soziale Medien bei städtischen Veranstaltungen nutzen, zu ermitteln, und es gibt keinen bestehenden ereignisbasierten Datensatz für solche Studien. In dem Beitrag wird untersucht, wie soziale Medien genutzt werden können, um die Stimmungen von Menschenmengen bei städtischen Veranstaltungen zu ermitteln. Zunächst wurden einige lexikonbasierte und auf maschinellem Lernen basierende Methoden zur Durchführung von Stimmungsanalysen ausgewählt und anschließend ein ereignisbasierter Datensatz mit Stimmungsannotationen erstellt. Die Leistung der ausgewählten Methoden wurde in einem Experiment mit allgemeinen und ereignisbasierten Datensätzen trainiert und getestet. Die Ergebnisse zeigen, dass die maschinelle Lernmethode LinearSVC den geringsten Schätzfehler für die Stimmungsanalyse in sozialen Medien bei Stadtereignissen aufweist. Der vorgeschlagene ereignisbasierte Datensatz ist für das Training von Methoden zur Reduzierung des Schätzfehlers in solchen Kontexten unerlässlich.