2021 Fiscal Year Final Research Report

User-centric Behavioral Facilitation Information in the Disaster Situation

Research Project

PDF

Project/Area Number	19H04221
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Single-year Grants
Section	一般
Review Section	Basic Section 62020:Web informatics and service informatics-related
Research Institution	Konan University
Principal Investigator	Nadamoto Akiyo 甲南大学, 知能情報学部, 教授 (30359103)
Co-Investigator(Kenkyū-buntansha)	平林真衣東京大学, 医学部附属病院, 特任助教 (00613499) 熊本忠彦千葉工業大学, 情報科学部, 教授 (30358890) 鈴木優岐阜大学, 工学部, 准教授 (40388111) 若宮翔子奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (60727220) 荒牧英治奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (70401073) 大塚真吾神奈川工科大学, 情報学部, 准教授 (70509736)
Project Period (FY)	2019-04-01 – 2022-03-31
Keywords	大規模災害 / SNS / 行動促進情報 / 深層学習 / データマイニング
Outline of Final Research Achievements	In the event of a large-scale disaster, there is a large amount of information on social networking services (SNS) that make promote or inhibit actions for readers. We called this information "behavioral facilitation information". We have investigated methods (rule-based and many deep learning methods (LSTM, BLSTM, BERT, and RoBERTa)) for automatically extracting the behavioral facilitation information. We found that RoBERTa gave the best results, and succeeded in automatically extracting behavioral facilitation information from a large amount of SNS. Furthermore, we analyzed the extracted behavioral facilitation information from the viewpoints of the sending area (disaster-stricken area and outside of the disaster-stricken area) and the senders (disaster-stricken victims and others). The results of our research are 8 peer-reviewed journals, 10 peer-reviewed international conferences, 23 domestic conferences.
Free Research Field	データ工学,Webコンピューティング
Academic Significance and Societal Importance of the Research Achievements	大規模災害時に様々な情報がSNS上にあふれており，これらの中には人々に行動を促進する情報が多数ある．これらの情報は災害時に人々の行動を変容させる等よい面がある一方，デマ情報には行動促進情報が多数あるのも事実である．これら行動促進情報を災害時の混乱したときに膨大な情報量のSNSから人で抽出するのは困難である．そこで，本研究ではAI（深層学習）を用いて自動でこれら行動促進情報を抽出することに成功した．この成果は国内外の会議にて高く評価されている．