Developed Model Based on Text Analysis and Geo-Tweets for Detecting the Spread of Covid-19

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Twitter is a mine of gold; it provides incredibly valuable information for every working sector, mainly the health sector. Its reputation grew faster as the virus of COVID-19 spread universally and quickly. Previously, the geographical information provided by Twitter was limited. However, during the disease emergence, Twitter datasets were released with a broader scope, mainly provided with geographical information. This information is needed for detecting the spread of the virus and to identify infected areas. For this dissertation, the demand for a geospatial dataset is crucial. Many datasets have been launched for the public; however, they are unsuitable for the purpose of this research because of the lack of some important information. The collected dataset used several controlled keys (logical statements) to reach the desired tweets, which enabled the authors to find the exact infected cases (self-reported users) among millions of tweets posted every hour regarding this crisis, and to analyze their exact location. These tweets were split into four groups according to the type of geographical information provided with the tweet. Each type was exploited and examined to figure out the spatial location for each individual. These were taken from the place dictionary, the location field, the matched location and place information, and finally the text tweet content to be inferred. The authors built a small global gazetteer to investigate the spatial entities and to inspect the exact location for the infected user firstly, and his/her social network relations secondly. This allowed identifying spatially close followers and friends of the infected user, determining those who live in the same area, then retrieving their tweets within a specified period of time and extracting their spatial information. Those in the same proxy environment were isolated by applying a clustering method—the k-means algorithm—to the longitude and latitude coordinate points for all of them. Those who gained the same cluster label were isolated as one of the proxy relations. Their tweets were collected to be investigated about contracting the disease by applying a supervised classification method using machine learning. Before this step, the collected dataset was manually labeled according to specific criteria into three classes. The multilayer perceptron algorithm (MLP) was applied to the text tweets to classify the three types and identify the infected follower. This neural model achieved an accuracy of 0.88. The positive cases were collected and their distribution was shown on the map of New York City as a case study, providing the number of infectious cases within that area. This research presents a complete spatial dataset of infected cases collected over one year, along with a labeled dataset of three classes to show the state of COVID-19 infectious disease. The classification process was able to identify self-reported infected users, excluding spam and declarative tweets.

روابط وملفات

التعريف والنوع

رقم الوثيقة

07df341d-731e-4d60-9b5c-cfc3050526fe

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

994522_1.pdf

بيانات النشر

ترجمة العنوان

نموذج مطور بالاعتماد على تحليل النص والتغريدات الجغرافية لكشف انتشار كوفيد 19

ألقاب المؤلفين

[{"name_ar":"أحمد سليم عباس جاسم","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"اقبال عبد الباقي محمد مهدي","title_ar":"اعداد","title_en":"Preparation"}]

اللغة

English

المصدر والدورية

اسم المصدر

Developed Model Based on Text Analysis and Geo-Tweets for Detecting the Spread of Covid-19

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

تويتر، منجم الذهب الذي يوفر معلومات قيمة لا تصدق لجميع قطاعات العمل ، وخاصة قطاع الصحة. نمت سمعته بسرعة مع انتشار فيروس COVID-19 عالميًا .سابقا كانت المعلومات الجغرافية محدودة قبل ظهور هذا المرض. وقد بدأت مجموعات البيانات لـ Twitter بالظهور تزامنا مع ظهور هذا المرض حيث تم اطلاقها بصورة واسعة وكان من ضمنها البيانات المكانية المصاحبة للتغريدة. مثل هكذا بيانات يزداد الطلب عليها للتحري عن مناطق انتشار المرض. اما فيما يخص هذه الأطروحة فان حاجتها للبيانات المكانية تشكل أهمية قصوى. اذ لم يكن بالامكان الاستفادة من مجاميع البيانات التي اطلقها العديد من الباحثين كونها تفتقد للعديد من المعلومات المهمة.عند جمع البيانات الخاصة بهذه الاطروحة تم استخدام كلمات مفتاحية مسيطر عليها تسمى الجمل المنطقية. حيث تم الوصول الى التغريدات التي يتحدث أصحابها عن اصابتهم بالمرض من بين ملايين التغريدات على منصة Twitter والخاصة بهذا الموضوع حيث تمكنا من تحديد المعلومة المكانية الصحيحة من خلال عدة عمليات. ووفقا لتعدد هذا المعلومة فقد تم تجزئة البيانات الى اربع مجاميع وحسب المعلومة المكانية المتوفرة مع تلك التغريدة. وقد تم فحص هذه المعلومات لتحديد موقع كل مريض وكانت النتيجة تشكيل اربع مجاميع وحسب تواجد المعلومة المكانية التابعة لحقل معين. اما في حالة عدم تواجد المعلومة فيتم فحص نص التغريدة والبحث عن مدخلات مكانية ونسبها لمكان المريض.تم بناء معجم جغرافي للتحقق من الكلمات الخاصة بالمواقع الجغرافية لكل من المريض ومتابعيه واصدقائه ومن ثم تحديد ايهم اقرب اليه جغرافيا. يتم ذلك من خلال سحب تغريدات المتابعين واستخراج مواقعهم. عملية سحب تغريدات المتابعين تتم وفق فترة زمنية معنية خاصة بفترة اصابة المريض اول مرة. وبعدها تم استخراج المعلومات المكانية الخاصة بهم ومقارنتها مع البيانات المكانية المعروفة للمستخدم. الخطوة التي تليها تم عزل أولئك الموجودين في نفس منطقة المصاب عن طريق تطبيق طريقة التجميع خوارزمية k-mean إلى نقطة إحداثيات خطوط الطول والعرض لكل منهم. وتم عزل أولئك الذين يحصلون على نفس مجموعة التسمية للمصاب.بعد الانتهاء من عملية العزل المكاني ، يتم جمع تغريداتهم لغرض تصنيف هذه التغريدات ، ولكن قبل البدء في عملية التصنيف ، تم تحديد ثلاث فئات بحيث يمكن نسب التغريدة إلى إحدى هذه الفئات الثلاث. تم استخدام الشبكة العصبية MLP وكان ناتج هذه العملية بدقة 0.88. ومن خلال توفر الكود الشخصي للمقربين تم جلب بقية بياناتهم الوصفية ومن ضمنها البيانات المكانية حيث تم عزل المصابين وتوزيعهم على الخارطة مع بيان اعدادهم . في النهاية يتم الإعلان عن المنطقة النهائية كمنطقة مصابة بسبب كثرة الإصابات.هذا البحث قدم مجموعة بيانات للحالات المصابة بوباء كوفيد تم جمعها خلال سنة كاملة وايضا قدم مجموعة بيانات مؤشرة ومفروزة بحيث كل تغريدة تحمل تأشيرة خاصة بها وفق معايير الإصابة. تمكنت عملية التصنيف من تحديد الشخص المصاب والتعرف عليه من خلال تغريدته.

كلمات الباحثين

Twitter, geospatial data, COVID-19, machine learning, text classification, spatial spread

إشراف وإعداد

الإشراف

أحمد سليم عباس جاسم

الإعداد

اقبال عبد الباقي محمد مهدي

الاقتباسات الببليوغرافية