Detecting Influential Events

Abstract

I en verden hvor sosiale medier har blitt brennhett og genererer enorme mengder data er det enormt potensiale i forsking og analysiering av denne dataen. Hva folk tenker og mener om ting, hvor de befinner seg og hva som påvirker dem. Denne masteroppgaven definerer en nytt type problem som innebærer å detektere innflytelsesrike hendelser ved å bruke geografiske, tidsmessige og tekstlige egenskaper til Twittermeldinger for å finne ut over hvor store geografiske områder hendelser forekommer og om de er innflytelsesrike på meningene folk har. Ved å ta i bruk ulike kjente teknikker fra sentiment analyse, endringsdetekton og hendelsesdeteksjon forsøkte denne oppgaven å finne disse hendelsene og rangere de. Teknikkene brukt er i utgangspunktet utfordrende, og krever bedre evaluering for å kunne oppnå bedre resultater.

In a world where social media has seen a massive increase in user generated data there lies great potential in research and analysis of this kind of data. What people think, has opinions about, where they are and what influences them. This master thesis defines a new type of problem that aims at detecting influential events by using spatial, temporal and textual features in Twitter messages in order to find to what geographical extent and event can be detected and whether or not they have influenced peoples opinions. By using popular techniques from within the field of event detection, sentiment analysis and change detection this thesis aimed at detecting these events, and ranking them according to their potential influence. The techniques and methods used proved to be challenging to get to perform well, and so better evaluation is needed in future work.