[Zurück]

T. Turdean:
"Identifying people´s affective responses to the environment from social media data";
Betreuer/in(nen): G. Gartner, H. Huang; Department for Geodäsie und Geoinformation, FG Kartographie, 2014; Abschlussprüfung: 29.04.2014.

Um zu verstehen, warum wir uns in gewisser Weise in unterschiedlichen Umgebungen verhalten, ist die Notwendigkeit der Erfassung emotionaler Information über unsere Umwelt entstanden. Ganz viel Aufmerksamkeit wird dabei auf das Extrahieren emotionaler Informationen aus Social-Media-Daten verwendet. Methoden, die in früheren Forschungsarbeiten präsentiert wurden, die affektive Reaktionen auf die Umwelt aus Social-Media-Daten identifizieren, sind nicht spezifisch genug, um das Ziel der Reaktionen zu identifizieren oder sind gar nicht auf die
Umwelt bezogen. Das kann zu falsch identifizierten zusätzlichen Daten in Benutzer-Beiträgen führen, die keine affektiven Reaktionen beinhalten. Im Zuge dieser Arbeit wurde eine Methodik entwickelt, die eine neue Perspektive verwendet um genauere affektive Antworten zu Orten in Wien mit Hilfe von Flickr Metadaten identifizieren.
Satz-Strukturanalyse und Textklassifikation sind Bausteine der neuen Methodik. Wir definierten, dass das Ziel der affektiven Reaktion - in Textinformation - aus englischen Ort-Substantiven besteht. Mit Hilfe der Verarbeitung von natürlicher Sprache, insbesondere mit syntaktischer und semantischer Analyse, haben wir Adjektiv - Nomen - Strukturen identifiziert. Auf diese haben wir einen Maschinenlern-Klassifikator angewandt, um nur die Ort-Substantive zu sammeln.
Die affektive Reaktion eines Ortes haben wir anhand der Valenz der Adjektive, die bei den Ort-Substantiven in einem Benutzerpost gefunden wurden, berechnet. Um die Adjektiv-Valenz erhalten zu können, haben wir eine neue affektive Wortliste erstellt. Unsere Ergebnisse zeigen, dass die neue Methode genauerer ist als früheren Forschungen, wenn sie auf Flickr Metadaten angewandt werden. Wir glauben, dass diese Lösung auch für verschiedene soziale Plattformen
einsetzbar ist, um zur Verbesserung der Entscheidungsfindung für die Entwicklung von Smart Cities beizutragen.

In order to understand why we behave in certain ways in different environments, a need of collecting emotional information about our environment arose. Quite some attention is given towards extracting emotional information from social media data. Methodologies, presented in previous works, to identifying affective responses to the environment from social media data, are not specific enough in identifying the target of the response or are not related to the environment.
These can lead to wrongly identified extra data in user posts that do not contain affective responses. We have developed a methodology, which introduces a new perspective, to accurately identify affective responses to places in Vienna from Flickr metadata.
Sentence structure analysis and text classification are building blocks of the new methodology.
We defined the target of the affective response, in textual information, to consist of English place nouns. Using Natural Language Processing, specifically parse tagging, we identified adjective - noun structures. We applied a machine learning classifier on the nouns from the mentioned structures to collect only the place nouns. The affective response of a place is computed from the
valence of the adjectives attributed to place nouns found in a user post. To obtain the adjective valence we created a new affective word list. Our findings show that the new methodology performs more accurate than previous works if applied on Flickr metadata. We believe this solution to be also applicable for different social platforms to help improve decision making for developing smart cities.

affective response, valence, sentiment analysis, natural language processing, Flickr metadata