New algorithmic approaches for real-time emergency event detection on Twitter time series

The growing spread of Social Media allows to have direct access to a set of information shared in real time to an ever increasing number of people. We can then consider each active user on Social Media as a node on a network which continuously generates news regarding different contexts. On this basis, the aim of this thesis is to analyze in real time the information shared on social platforms and, in an automatic mode, detect the occurrence of emergency situations. In this way, all the information shared by people directly affected by a particular disaster situation can be helpful to the competent authority that will complement the knowledge already at their disposal with those collected on social platforms. Describing and implementing approaches available in the literature, in this thesis we will propose new techniques to identify events on time series derived from the analysis of speech on social media. In particular, the data will be analyzed in this thesis concern natural disasters such as earthquakes and floods that generally have a big impact on the affected area's population. Finally, we're going to make a comparison on the performance of techniques for identifying events proposed in this thesis with some of the existing approaches in the literature in order to demonstrate the improvements obtained in the different case studies analyzed.

La crescente diffusione dei Social Media permette di avere accesso diretto ad un insieme di informazioni utili condivise in tempo reale da un sempre maggior numero di persone. Possiamo quindi considerare ogni utente attivo sui Social Media come un nodo di una rete che genera continuamente notizie che riguardano contesti disparati fra loro. Partendo da questi presupposti, lo scopo di questa tesi è quello di analizzare in tempo reale le informazioni condivise su piattaforme social ed individuare in maniera automatica il verificarsi di situazioni di emergenza. In questo modo, tutte le informazioni condivise da persone direttamente interessate da una particolare situazione di calamità possono essere d’aiuto alle autorità competenti che potranno integrare le informazioni già in loro possesso con quelle raccolte sulle piattaforme social. Descrivendo ed implementando approcci già presenti in letteratura, in questo lavoro di tesi andremo a proporre nuove tecniche per l’individuazione di eventi su serie temporali derivate dall’analisi del parlato sui Social Media. In particolare, i dati che verranno analizzati in questa tesi riguardano disastri naturali come terremoti e inondazioni che hanno, in genere, un grande impatto sulla popolazione dell’area colpita. Infine, andremo a fare un confronto sulle performance delle tecniche di individuazione degli eventi proposte in questa tesi con alcuni degli approcci già esistenti in letteratura per dimostrare i miglioramenti ottenuti nei diversi casi di studio analizzati.