2019
Verfasser: M. Sc. Ferdinand Vettermann (2019)
Titel: Extraktion und Auswertung von Geodaten aus Sozialen Netzwerken als Element der Bürgerbeteiligung in kommunalen Belangen der Hansestadt Rostock
Erstgutachter: Prof. Dr. Ralf Bill, Universität Rostock
Weitere Gutachtende/Betreuende: Prof. Dr. Jens Tränckner (Universität Rostock), Prof. Dr. Jukka Krisp (Universität Augsburg), Prof. Dr. René Westerholt (University of Warwick)
Kurztext
Im Rahmen dieser Arbeit ist eine Methode entwickelt worden, die es sowohl in einer hinsichtlich Twitter nachrichtenarmen Region wie der Hanse- und Universitätsstadt Rostock als auch im deutschsprachigen Raum ermöglicht, Tweets auf einer lokalen Skale zu verorten, sie vordefinierten Themen zuzuordnen und hinsichtlich Stimmungen und Trends zu analysieren. Über die Verbindung zwischen physischer und digitaler Welt wird es möglich, wertvolle Informationen aus den Sozialen Netzen in die physische Umwelt zu überführen.
In einem vergleichsweise kurzen Zeitraum von sechs Wochen (06.08.2018 - 30.09.2018) war die entwickelte Methode in der Lage, 29 771 Tweets mit Bezug zu Rostock zu lokalisieren. Der Algorithmus konnte hierbei 27 % aller Nachrichten mittels eines mehrschichtigen, textbasierten Gazetteers mindestens auf der Ebene von Straßen oder genauer mit einer Gesamtgenauigkeit von 83 % verorten.
Außerdem konnte gezeigt werden, dass die SVM (Support Vector Machine) im Rahmen der Sentimentanalyse in dieser Arbeit bessere Ergebnisse liefern als CNNs (Convolutional Neural Networks) oder LSTMs (Long Short Term Memory Networks). Mittels der Identifikation von Trends und Themen über TF-IDF (Term Frequency – Inverse Document Frequency) und LDA (Latent Dirichlet Allocation) wird zudem die Möglichkeit geschaffen, Tweets zu kategorisieren und einzelne Events zu identifizieren. Jedoch ließen sich, entgegen des ursprünglichen Ziels, keine konkreten Handlungsempfehlungen hinsichtlich der Stadtplanung ableiten.
Die hochgenaue Geolokalisation ermöglicht es, attraktive sowie unattraktive Orte zu identifizieren und damit eine Datengrundlage für das Stadtmarketing zu bieten, um die Attraktivität für Touristen, Bevölkerung und Wirtschaft zu erhöhen. Des Weiteren ist es möglich, Echtzeit-Entscheidungsunterstützung, beispielsweise für Extremereignisse und Veranstaltungen zu leisten. Die schnelle Reaktionszeit der Twitternutzer konnte am Beispiel der AfD-Demonstration am 22.09.2018 in Rostock verifiziert werden. Aus der spatio-temporalen Kombination der Daten lassen sich so direkt Handlungsempfehlungen für Sicherheitskräfte ableiten.
Schlagwörter: Twitter, Social networks, Gazetteer, Textanalyse, Stimmungsanalyse
Abstract
Within this work, a method has been developed which is able to geolocate tweets on a local scale, assign given topics and analyze them for trends and moods. It is special that this is settled in a German speaking area and a region with a low tweet density, the Hanseatic and university city of Rostock. Through the connection to the analogue world, valuable information can be generated and transferred from twitter.
In a relatively short period of six weeks (06.08.2018 - 30.09.2018) the developed algorithm was able to filter and locate 29 771 messages related to the city of Rostock. The procedure was able to place a total of 27 % of the messages with a text based multi-layer gazetteer matching with an overall accuracy of 83 % at least at road level.
Moreover, the work has shown that in this case sentiment classification with SVM (Support Vector Machine), seems more accurate than CNNs (Convolutional Neural Networks) or LSTMs (Long Short Term Memory Networks). In addition, the identification of trends and topics via TF-IDF (Term Frequency – Inverse Document Frequency) and LDA (Latent Dirichlet Allocation) enables the possibility, to categorise the tweets and identify certain events. However, no concrete recommendations for action with regard to urban planning can be derived, as had been hoped for.
The high-precision geolocating gives a wide range of opportunities. These include the identification of particularly popular and attractive as well as unattractive places. From this, potentially recommendations regarding city marketing can be derived to increase the attractiveness for tourism, for the population but also for the economy. Furthermore, it is possible to derive real time recommendations for action for security forces from the spatio-temporal combination of the data. The fast reaction time has been illustrated at the demonstration of the AfD in Rostock on 22.09.2018.
Keywords: Twitter, Social networks, Gazetteer, Text analysis, Sentiment analysis
URL: https://www.dgk.badw.de/fileadmin/user_upload/Files/DGK/docs/c-836.pdf