پدافند غیرعامل (Nov 2022)
پیش‌بینی ناآرامی‌های مردمی با استفاده از شبکه‌های اجتماعی، مبتنی بر یادگیری ماشین در پردازش زبان طبیعی
Abstract
امروزه علاقه به پیش‌بینی و تشخیص رویدادها با استفاده از داده‌های موجود در شبکه‌های اجتماعی، افزایش یافته است. شبکه‌های اجتماعی را می‌توان به‌عنوان حسگرهای جامعه نام برد، چرا که کاربران آن همواره نظرات مثبت و منفی خود را نسبت به اتفاقات دنیای پیرامون خود بیان می‌کنند که نتیجه این تعاملات، محیطی است مملو از واکنش‌های بلادرنگ به حوادث دنیای واقعی. شبکه‌های اجتماعی یکی از بهترین ابزارها برای ارزیابی جامعه و پیش‌بینی حوادث آن است. اگر چه تشخیص و دسته‌بندی خودکار حوادث و رویدادها، به ویژه ناهنجاری‌های اجتماعی مانند اغتشاش یک کار پیش‌پاافتاده است اما برای دولت‌ها و سازمان‌های امنیتی که نیاز به پاسخگویی سریع و متناسب دارند، از ارزش بالایی برخوردار است؛ زیرا می‌توان هزینه‌ها و خسارات ناشی از این ناآرامی‌ها را کاهش داد. برای این چالش، ما یک چارچوب پیش‌بینی رویداد طراحی کردیم که به کمک آن می‌توان "رویدادهای اخلال‌گر" که امنیت و نظم اجتماعی را تهدید می‌کنند از رویدادهای روزمره شناسایی کرد. برای انجام این کار از روش‌های پردازش زبان طبیعی به‌منظور درک متون، حذف محدودیت‌های زبان انسان، تحلیل احساس و موضوع استفاده کردیم، و درنهایت با استفاده از روش‌های یادگیری ماشین مانند Naïve Bayes و Support Vector Machines به طبقه‌بندی 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 پیش‌بینی رویدادهای آینده نشان دهیم. نتایج به‌دست آمده نشان داد که چارچوب پیشنهادی با دقت 79 درصد توانایی تشخیص توییت‌های نارضایتی را دارد. همچنین موفق به استخراج اطلاعات مفید از این توییت‌ها 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.
