$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

재난 관련 위치 신뢰도 향상을 위한 소셜 미디어 활용
Leveraging Social Media for Enriching Disaster related Location Trustiness 원문보기

디지털콘텐츠학회 논문지 = Journal of Digital Contents Society, v.18 no.3, 2017년, pp.567 - 575  

뉘엔반퀴엣 (전자컴퓨터공학부, 전남대학과) ,  뉘엔양쯔엉 (전자컴퓨터공학부, 전남대학과) ,  뉘엔신응억 (전자컴퓨터공학부, 전남대학과) ,  김경백 (전자컴퓨터공학부, 전남대학과)

초록
AI-Helper 아이콘AI-Helper

위치기반 서비스는 재난 경보 시스템 및 추천시스템 등의 다양한 응용에서 중요한 역할을 한다. 이들 응용들은 위치정보(위도, 경도 등) 뿐만 아니라 위치에 대한 사건(지진, 태풍 등)의 영향력을 필요로 한다. 최근 이러한 위치에 대한 사건의 영향력을 제공하기 위해, 다양한 형태의 정보(지진 정보와 센서 정보)를 이용한 위치 신뢰도 계산 방법이 연구 되었다. 이전의 연구에서는 사건의 영향을 선형으로 감소시키는 형태로 위치 신뢰도를 계산하였다. 이 논문에서는 소셜 미디어를 추가적으로 활용하여 사건의 위치에 대한 영향력, 즉 위치 신뢰도를 향상 시키는 만드는 방법을 제안하였다. 우선 지진정보와 소셜 미디어 데이터를 수집하는 시스템을 설계하였다. 두번째로, 지진정보에 기반한 위치 신뢰도 계산 방법을 소개하였다. 최종적으로 소셜 미디어에 기반하여 공간적으로 분산되는 형태로 신뢰도를 증강시키는 방법을 통해 위치 신뢰도 정보를 더욱 풍부하게 제공하는 방법을 제안하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Location-based services play an important role in many applications such as disaster warning systems and recommendation systems. These applications often require not only location information (e.g., name, latitude, longitude, etc.) but also the impact of events (e.g., earthquake, typhoon, etc.) on l...

주제어

#재난 대응 네트워크   #재난 경보 시스템   #위치 신뢰도   #소셜 미디어  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

제안 방법

  • For instance: a person from Seoul could make a tweet about the storm happening in Busan, so the place of disaster must not be Seoul anymore. In order to find the exact occurring place, the authors also mention the correlations between a specific tweet and external context like established information from detected locations. This method is useful in the case which there are many possible places to be detected, and choosing the most suitable one would be challenging.
  • In this paper, we measure the throughput and recover time of network when disasters occur to evaluate the response time of baseline method and our so-called “Location Trustiness Based Network Recovery” method.
  • However, in our previous work, an assumption was made: The linear decrement of the impact of an earthquake occurrence, which is made by the distance from the epicenter to the boundary of the disaster region, could partly affect the accuracy of location trustiness calculation. In this paper, we propose a new approach to enhance location trustiness calculation using disaster information and social media data. First, we design a system to collect earthquake information and social media data.
  • Each kind of disaster data (earthquake information and tweet data) is used to construct an individual model. Then, we combine them to make a new model for enhancing the accuracy of location trustiness calculation.
  • First, we proposed a model of trustiness calculation which described the impact of earthquakes using attributes like magnitude and location (latitude and longitude). Then, we extended the proposed method by using disaster sensor data for location trustiness calculation. To do this, we focused on analyzing the output signals of disaster sensors such as smoke sensor and temperature sensor.
  • In this section, we present an approach to calculate trustiness of location using disaster information. To do this, we define a geo-mapping matrix (GMM), then we calculate the impact of disaster event on each affected cell of GMM.
본문요약 정보가 도움이 되었나요?

참고문헌 (17)

  1. K. M. Rahman, T. Alam, and M. Chowdhury, "Location based early disaster warning and evacuation system on mobile phones using OpenStreetMap," in Proceedings of 2012 IEEE Conference on Open Systems, pp.1-6, 2012 

  2. Tiep Vu Duc, Quyet Nguyen-Van, and Kyungbaek Kim, "Design and Implementation of Geo-Social information based Personalized Warning Notification System," KISM Smart Media Journal, Vol. 5, No. 2, pp. 42-50, June, 2016. 

  3. A. A. Pirzada, and C. McDonald, "Trusted greedy perimeter stateless routing," in Proccedings of 15th IEEE International Conference on Networks, pp.206-211, 2007 

  4. H.C. Leligou, et al, "Combining trust with location information for routing in wireless sensor networks," Wireless Communications and Mobile Computing, Vol. 12, Issue. 12, pp. 1091-1103, August 2012. 

    상세보기 crossref

  5. M. Jamali, and M. Ester, "A matrix factorization technique with trust propagation for recommendation in social networks," In Proceedings of the fourth ACM conference on Recommender systems, pp. 135-142, 2010. 

  6. S. Meyffret, L. Medini, and F. Laforest, "Trust-based local and social recommendation," In Proceedings of the 4th ACM RecSys workshop on Recommender systems and the social web, pp. 53-60, 2012. 

  7. Quyet Nguyen-van and Kyungbaek Kim, "Study on Location Trustiness based on Multimodal Information," In Proceedings of the 4th International Conference on Smart Media and Applications, pp.187-190, 2016. 

  8. B. Mukherjee, M. Habib, and F. Dikbiyik, "Network adaptability from disaster disruptions and cascading failures," IEEE Communications Magazine, Vol. 52, Issue. 5, pp.230-238, 2014. 

    상세보기 crossref

  9. X. Wang, X. Jiang, and A. Pattavina, "Assessing network vulnerability under probabilistic region failure model," In Proceedings of IEEE 12th International Conference on High Performance Switching and Routing, pp.164-170, 2011. 

  10. S. Neumayer, et al, "Assessing the vulnerability of the fiber infrastructure to disasters," IEEE/ACM Transactions on Networking, Vol. 19, Issue. 6, pp.1610-1623, 2011. 

    상세보기 crossref

  11. Z. Cheng, J. Caverlee, and K. Lee, "You are where you tweet: a content-based approach to geo-locating twitter users," In Proceedings of the 19th ACM international conference on Information and knowledge management, pp. 759-768, 2010. 

  12. S. Chandra, L. Khan, F. B. Muhaya, "Estimating twitter user location using social interactions--A content based approach," In Proceedings of 2011 IEEE Third International Conference on Privacy, Security, Risk and Trust and 2011 IEEE Third International Conference on Social Computing, pp. 838-843, 2011. 

  13. A. Salfinger, W. Schwinger, W. Retschitzegger, and B. Proll, "Mining the disaster hotspots-situation-adaptive crowd knowledge extraction for crisis management," In Proceedings of 2016 IEEE International Multi-Disciplinary Conference on Cognitive Methods in Situation Awareness and Decision Support, pp. 212-218, 2016 

  14. T. Sakaki, M. Okazaki, and Y. Matsuo, "Tweet analysis for real-time event detection and earthquake reporting system development," IEEE Transactions on Knowledge and Data Engineering, Vol. 25, Issue. 4, pp.919-931, 2013 

    상세보기 crossref

  15. United States Geological Survey, Earthquake Facts and Statistics [Internet]. Available : http://info.geonet.org.nz/display/quake/Earthquake+Facts+and+Statistics 

  16. Integrated Mass Notification Systems and Emergency Communications Systems [Internet]. Available : http://www.cooperindustries.com/content/public/en/safety/notifica tion/products/mass_notificationsystems.html 

  17. Heau-jo Kang, "Smart Disaster Safety Management System for Social Security", Journal of Digital Contents Society, Vol. 18, No. 1, pp. 225-229, Feburary 2017 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로