DOI QR코드

DOI QR Code

A Correlation Analysis between the Social Signals of Cold Symptoms Extracted from Twitter and the Influence Factors

트위터에서 추출한 감기 증상의 사회적 신호와 영향요인과의 상관분석

  • 윤진영 (가톨릭대학교 컴퓨터공학과) ;
  • 김석중 (가톨릭대학교 컴퓨터공학과) ;
  • 이범석 (가톨릭대학교 컴퓨터공학과) ;
  • 황병연 (가톨릭대학교 컴퓨터공학과)
  • Received : 2013.01.30
  • Accepted : 2013.02.16
  • Published : 2013.06.30

Abstract

With the huge success of Social Network Services, studies on social network analysis to extract the current issues or to track the symptoms of epidemic disease are being carried out actively. On Twitter, tweets reflect people's reaction to an event and users' individual status well, so it is possible to detect an event regarding a tweet as a sensory value. Recently, social signals are used to detect the spread of illness like the flu as well as the occurrence of disaster event like an earthquake in early stages. In this paper, we set up a cold as a target event and regarded tweets as Cold Signals. To evaluate the reliability of Cold Signals, we analyzed correlations between weather factors and the cold index provided by Korea Meteorological Administration.

소셜 네트워크 서비스의 인기가 증가하면서 현재 이슈가 되는 정보를 추출하거나 증상 등을 추적하는 분석연구가 활발히 진행되고 있다. 특히 트위터에서는 트윗을 통해 이벤트 현상에 대한 반응과 사용자의 개인적인 상태 등이 잘 반영되어 트윗을 센서로 적용한 이벤트 추출이 가능하다. 최근에는 지진과 같은 재난 이벤트뿐만 아니라 사회 전반적으로 관심을 갖고 있는 질환이나 질병에 대한 사회적 신호가 질병의 확산을 조기에 감지하는데 도움을 주고 있다. 논문에서는 감기를 대상 이벤트로 지정하여 트위터로부터 수집한 정보를 감기 신호라는 사회적 신호로 간주하고 분석하였다. 추출된 감기 신호의 신뢰성을 확인하기 위해 감기 확산의 환경적 요인으로 알려진 세 가지 기후 요소와 기상청에서 제공하는 감기 기상지수와의 상관분석을 통해 변수들 사이의 상관관계를 파악한다.

Keywords

References

  1. 손영우, "Social Networks과 Twitter 서비스에 관한 고찰," 멀티미디어학회논문지, 제14권, 제4호, pp. 546-553, 2011. https://doi.org/10.9717/kmms.2011.14.4.546
  2. T. Sakaki, M. Okzaki, and Y. Matsuo, "Earthquake Shakes Twitter Users: Real-time Event Detection by Social Sensors," Proc. of the 19th Int'l Conf. on World Wide Web, pp. 851-860, 2010.
  3. J. Ginsberg, M.H. Mohebbi, R.S. Patel, L. Brammer, M.S. Smolinski, and L. Brilliant, "Detecting Influenza Epidemics using Search Engine Query Data," Nature, Vol. 457, pp. 1012-1014, 2009. https://doi.org/10.1038/nature07634
  4. V. Lampos, T.D. Bie, and N. Cristanini, "Flu Detector - Tracking Epidemics on Twitter," Proc. of the European Conf. on Machine Learning and Principles and Practice on Knowledge Discovery in Database, pp. 599-602, 2010.
  5. Bumsuk Lee, Jinyoung Yoon, Seokjung Kim, and Byung-Yeon Hwang, "Detecting Social Signals of Flu Symptoms," Proc. of the 8th IEEE Int'l Conf. on Collaborative Computing: Networking, Applications and Worksharing, pp. 544-545, 2012.
  6. 이범석, 김석중, 윤진영, 황병연, "온라인 소셜트렌드의 감지 및 시각화," 제30회 한국멀티미디어학회 추계학술대회 논문집, 제15권, 제2호, pp. 95, 2012.
  7. A. Abbasi, J. Altmann, and L. Hossain, "Identifying the Effects of Co-authorship Networks on the Performance of Scholars: A Correlation and Regression Analysis of Performance Measures and Social Network Analysis Measures," Journal of Informetrics, Vol. 5, No. 4, pp. 594-607, 2011. https://doi.org/10.1016/j.joi.2011.05.007
  8. 한국 기상청, http://www.kma.go.kr/weather/lifenindustry/health_05.jsp, 2011.
  9. 장경화, "인플루엔자 의사환자와 기후요인과의 연관성-2005년-2008년의 인플루엔자 표본감시 자료를 중심으로," 고려대학교 석사논문, 2009.
  10. P.M. Polgreen, Y. Chen, D.M. Pennock, F.D. Nelson, and R.A. Weinstein, "Using Internet Searches for Influenza Surveillance," Clinical Infectious Diseases, Vol. 47, No. 11, pp. 1443-1448, 2008. https://doi.org/10.1086/593098
  11. V. Lampos and N. Cristianini, "Nowcasting Events from the Social Web with Statistical Learning," ACM Transactions on Intelligent Systems and Technology, Vol. 3, No. 4, Article 60, pp. 1-22, 2011.
  12. G. Wang, "Improving Data Transmission in Web Applications via the Translation between Xml and Json," Proc. of the Third Int'l Conf. on Communications and Mobile Computing, pp. 182-185, 2011.
  13. B.P. Hanley and B. Borup, "Aerosol Influenza Transmission Risk Contours: A Study of Humid Tropics versus Winter Temperature Zone," Virology Journal, Vol. 7, Article 98, pp. 1-18, 2010. https://doi.org/10.1186/1743-422X-7-1

Cited by

  1. Unspecified Event Detection System Based on Contextual Location Name on Twitter vol.3, pp.9, 2014, https://doi.org/10.3745/KTSDE.2014.3.9.341
  2. An Analysis of IT Trends Using Tweet Data vol.21, pp.1, 2015, https://doi.org/10.13088/jiis.2015.21.1.143
  3. 타임라인의 감정추출을 통한 트위터 사용자의 정치적 성향 분석 vol.17, pp.1, 2013, https://doi.org/10.9717/kmms.2014.17.1.043
  4. 공공기록관의 소셜미디어 이용 현황 및 이용자 관심도 분석: 국가기록원과 대통령기록관을 중심으로 vol.33, pp.2, 2013, https://doi.org/10.3743/kosim.2016.33.2.135
  5. 사회적 재난에 대한 트위터 여론 수렴 모델: '가습기 살균제' 사건을 중심으로 vol.6, pp.4, 2017, https://doi.org/10.3745/ktsde.2017.6.4.177
  6. 국내·외 기관의 재난정보관련 SNS 운용현황 및 개선방안에 관한 연구 vol.28, pp.2, 2013, https://doi.org/10.14699/kbiblia.2017.28.2.057
  7. SNS 기반 재난기록정보서비스를 위한 이용자 요구분석 및 개선방안 vol.36, pp.1, 2013, https://doi.org/10.3743/kosim.2019.36.1.269