Detección automática de temas a partir de información recuperada de Twitter generada durante incendios forestales

Abstract

[ES] El gran volumen de información generada diariamente en Twitter y la facilidad con la que se recupera por medio de su API han generado el interés de muchos trabajos en los que se recopila y analiza dicha información. Además, a esto se agrega que en situaciones tales como el huracán Sandy, según fuentes de Twitter \cite{PewResearch}, el uso de la red social ha llegado a duplicar su uso normal. Esto ha llevado a que se realicen diversos análisis para conocer qué información se comparte durante situaciones de emergencia en Twitter.

Lo que se expone en el presente trabajo es el análisis realizado a información recuperada desde Twitter, generada en situaciones de emergencia. En este caso se han seleccionado cuatro incendios forestales ocurridos en Chile en el mes de Enero del año 2020. Utilizando el algoritmo Latent Dirichlet Allocation se han obtenido los principales tópicos de cada uno de los conjuntos de datos recuperados por medio de la API proporcionada por Twitter, es decir, se han obtenido los principales temas de los que hablan los usuarios de Twitter cuando suceden situaciones de emergencia.

[EN] The large volume of information daily generated on Twitter and its ease provide for its retrieval through its API have generated the interest of many works related to the collection and analysis of such information. In addition to this, in situations such as Hurricane Sandy, according to Twitter sources \cite{PewResearch}, the use of the social network has even doubled its normal use. This has led to various analyzes being carried out to find out what information is shared during emergency situations on Twitter.

In this work is exposed the analysis carried out on information retrieved from Twitter, generated in emergency situations. In this case, four forest fires occurred in Chile in January 2020 have been selected. Using the algorithm Latent Dirichlet Allocation, the main topics of each of the recovered data sets have been obtained through the API provided by Twitter, that is, we have obtained the main topics that Twitter users talk about in emergency situations.

[CAT] El gran volum d’informació que es genera diàriament a Twitter i la facilitat que hi ha per a la recuperació d’aquesta per mitjà de la seva API, ha generat l’interès de molts treballs relacionats amb la recollida i anàlisi d’eixa informació. A mès d’aixó, es afegeix que en situacions com l’huracà Sandy, segons fonts de Twitter Guskin [2012], l’ús de la xarxa social ha fins i tot duplicat el seu ús normal. Això ha portat al fet que es realitzen diverses anàlisis per conèixer quina informació es comparteix durant situacions d’emergència a Twitter. El que s’exposa en el present treball és l’anàlisi realitzada a informació recuperada des de Twitter, generada en situacions d’emergència. En aquest cas s’han seleccionat quatre incendis forestals ocorreguts a Xile en el mes de gener de l’any 2020. Utilitzant l’algoritme textit Latent Dirichlet Allocation s’han obtingut els principals tòpics de cadascú dels conjunts de dades recuperades per mitjà de l’API proporcionat per Twitter, és a dir, s’han obtingut els principals temes de què parlen els usuaris de Twitter quan succeeixen situacions d’emergència.