Twitter is used extensively in the

Twitter is used extensively in the United States as well as globally, creating many opportunities to augment decision support systems with Twitter-driven predictive analytics. Twitter is an ideal data source for decision support: its users, who number in the millions, publicly discuss events, emotions, and innumerable other topics; its content is authored and distributed in real time at no charge; and individual messages (also known as tweets) are often tagged with precise spatial and temporal coordinates. This article presents research investigating the use of spatiotemporally tagged tweets for crime prediction. We use Twitter-specific linguistic analysis and statistical topic modeling to automatically identify discussion topics across a major city in the United States. We then incorporate these topics into a crime prediction model and show that, for 19 of the 25 crime types we studied, the addition of Twitter data improves crime prediction performance versus a standard approach based on kernel density estimation. We identify a number of performance bottlenecks that could impact the use of Twitter in an actual decision support system. We also point out important areas of future work for this research, including deeper semantic analysis of message content, temporal modeling, and incorporation of auxiliary data sources. This research has implications specifically for criminal justice decision makers in charge of resource allocation for crime prevention. More generally, this research has implications for decision makers concerned with geographic spaces occupied by Twitter-using individuals.

ผลลัพธ์ (ไทย) 1:

ทวิตเตอร์ถูกใช้อย่างกว้างขวางในสหรัฐอเมริกาเช่นที่ทั่วโลก สร้างโอกาสมากมายเพื่อเสริมระบบสนับสนุนการตัดสินใจขับทวิตเตอร์วิเคราะห์เชิงคาดการณ์ ทวิตเตอร์เป็นแหล่งพักข้อมูลสำหรับสนับสนุนการตัดสินใจ: ผู้ใช้ ที่หมายเลขในล้าน เผยหารือเหตุการณ์ อารมณ์ และนับไม่ถ้วนหัวข้ออื่น ๆ เนื้อหาเป็นเขียน และกระจายในเวลาจริงไม่มีค่าธรรมเนียม และแต่ละข้อความ (เรียกว่าทวี) มักจะติดแท็ก ด้วยพิกัดเชิงพื้นที่ และกาลเวลาที่แม่นยำ บทความนี้นำเสนองานวิจัยตรวจสอบการใช้แท็ก spatiotemporally ทวีสำหรับทำนายอาชญากรรม เราใช้ Twitter เฉพาะทางภาษาวิเคราะห์และหัวข้อทางสถิติเพื่อระบุหัวข้อสนทนาอัตโนมัติทั่วเมืองสำคัญในสหรัฐอเมริกา เรารวมหัวข้อเหล่านี้เป็นแบบทำนายอาชญากรรม แล้วแสดงว่า 19 ประเภทอาชญากรรม 25 เราเรียน นอกเหนือจาก Twitter ข้อมูลปรับปรุงประสิทธิภาพการทำนายอาชญากรรมเมื่อเทียบกับวิธีมาตรฐานที่ใช้ในการประเมินความหนาแน่นของเคอร์เนล เราระบุจำนวนของคอขวดของประสิทธิภาพการทำงานที่ส่งผลกระทบต่อการใช้ Twitter ในระบบสนับสนุนการตัดสินใจที่แท้จริง เราชี้ให้พื้นที่สำคัญของงานวิจัยนี้ รวมทั้งการวิเคราะห์ทางตรรกลึกเนื้อหาข้อความ สร้างโมเดลขมับ และการรวมตัวกันของแหล่งข้อมูลเสริมในอนาคต งานวิจัยนี้มีผลกระทบเฉพาะกระบวนการยุติธรรมตัดสินรับผิดชอบการจัดสรรทรัพยากรในการป้องกันอาชญากรรม ขึ้นโดยทั่วไป งานวิจัยนี้มีผลกระทบสำหรับผู้ตัดสินใจที่เกี่ยวข้องกับพื้นที่ทางภูมิศาสตร์ที่ครอบครอง โดยบุคคลที่ใช้ Twitter

ผลลัพธ์ (ไทย) 2:

ทวิตเตอร์ถูกนำมาใช้อย่างกว้างขวางในประเทศสหรัฐอเมริกาเช่นเดียวกับทั่วโลก, การสร้างโอกาสมากมายที่จะเพิ่มระบบสนับสนุนการตัดสินใจด้วย Twitter ที่ขับเคลื่อนด้วยการวิเคราะห์การทำนาย ทวิตเตอร์เป็นแหล่งข้อมูลที่เหมาะสำหรับการสนับสนุนการตัดสินใจ: ผู้ใช้ระบุผู้ที่หมายเลขในล้านสาธารณชนหารือเกี่ยวกับเหตุการณ์ที่เกิดอารมณ์และหัวข้ออื่น ๆ นับไม่ถ้วน; เนื้อหาเป็นประพันธ์และจัดจำหน่ายในเวลาจริงไม่มีค่าใช้จ่าย; และข้อความของแต่ละบุคคล (หรือเรียกว่าทวิตเตอร์) มักจะมีการติดแท็กด้วยพิกัดพื้นที่และเวลาที่แม่นยำ บทความนี้นำเสนองานวิจัยตรวจสอบการใช้ทวิตเตอร์ที่ติดแท็ก spatiotemporally การทำนายการเกิดอาชญากรรม เราใช้ทวิตเตอร์เฉพาะการวิเคราะห์ทางภาษาและการสร้างแบบจำลองทางสถิติหัวข้อที่จะระบุหัวข้อการอภิปรายโดยอัตโนมัติในเมืองใหญ่ในประเทศสหรัฐอเมริกา จากนั้นเราจะรวมหัวข้อเหล่านี้ในรูปแบบอาชญากรรมทำนายและแสดงให้เห็นว่า 19 ใน 25 ประเภทอาชญากรรมที่เราศึกษานอกเหนือจากข้อมูลที่ทวิตเตอร์ช่วยเพิ่มประสิทธิภาพการทำงานของอาชญากรรมทำนายเมื่อเทียบกับวิธีมาตรฐานขึ้นอยู่กับเคอร์เนลประมาณความหนาแน่น เราระบุจำนวนของคอขวดประสิทธิภาพการทำงานที่อาจส่งผลกระทบการใช้ทวิตเตอร์ในระบบสนับสนุนการตัดสินใจที่เกิดขึ้นจริง นอกจากนี้เรายังชี้ประเด็นสำคัญของการทำงานในอนาคตสำหรับการวิจัยนี้รวมทั้งการวิเคราะห์เชิงลึกเกี่ยวกับความหมายของเนื้อหาของข้อความแบบจำลองชั่วคราวและการรวมแหล่งข้อมูลเสริม การวิจัยครั้งนี้มีความหมายเฉพาะสำหรับความผิดทางอาญามีอำนาจตัดสินใจความยุติธรรมในความดูแลของการจัดสรรทรัพยากรสำหรับการป้องกันอาชญากรรม โดยทั่วไปการวิจัยครั้งนี้มีผลกระทบต่อผู้มีอำนาจตัดสินใจที่เกี่ยวข้องกับพื้นที่ทางภูมิศาสตร์ที่ถูกครอบครองโดยทวิตเตอร์โดยใช้บุคคล

ผลลัพธ์ (ไทย) 3:

Twitter ถูกใช้อย่างกว้างขวางในสหรัฐอเมริกาเช่นเดียวกับทั่วโลก การสร้างโอกาสมากมายที่จะเพิ่มระบบสนับสนุนการตัดสินใจด้วยตัวขับเคลื่อนแบบวิเคราะห์ Twitter เป็นแหล่งข้อมูลที่ดีสำหรับสนับสนุนการตัดสินใจของผู้ใช้ที่เป็นจำนวนล้านๆ ต่อสาธารณชนวิพากษ์วิจารณ์เหตุการณ์ อารมณ์ และมากมายอื่น ๆหัวข้อ เนื้อหาของมันคือเขียนและเผยแพร่ในเวลาจริงโดยไม่เสียค่าใช้จ่าย และข้อความของแต่ละบุคคล ( หรือที่เรียกว่า tweets ) มักจะมีแท็กด้วยแม่นยำพื้นที่และเวลาพิกัด บทความนี้นำเสนอการวิจัยการใช้ spatiotemporally โพสต์ tweets พยากรณ์อาชญากรรม เราใช้ Twitter การวิเคราะห์ภาษาเฉพาะและหัวข้อทางสถิติการสร้างแบบจำลองโดยอัตโนมัติระบุหัวข้อสนทนาในเมืองใหญ่ในสหรัฐอเมริกา เรารวมหัวข้อเหล่านี้เป็นแบบจำลองทำนายอาชญากรรมและแสดงให้เห็นว่า สำหรับ 19 25 อาชญากรรมประเภทเราศึกษาจากข้อมูล Twitter ปรับปรุงประสิทธิภาพเมื่อเทียบกับการคาดการณ์อาชญากรรมวิธีการมาตรฐานตามค่าความหนาแน่นของเคอร์เนล เราระบุหมายเลขของคอขวดประสิทธิภาพที่อาจส่งผลกระทบการใช้ Twitter ในการจริง ระบบสนับสนุนการตัดสินใจ . นอกจากนี้เรายังชี้ให้เห็นความสำคัญของงานสำหรับการวิจัยในอนาคต รวมถึงการวิเคราะห์ความหมายลึกของเนื้อหา ข้อความแบบชั่วคราว และการรวมตัวกันของแหล่งข้อมูลเสริม การวิจัยครั้งนี้มีความหมายเฉพาะสำหรับความยุติธรรมทางอาญาผู้ผลิตตัดสินใจในเรื่องการจัดสรรทรัพยากรเพื่อการป้องกันอาชญากรรม นอกจากนี้ งานวิจัยนี้มีผลกระทบต่อการตัดสินใจเกี่ยวข้องกับภูมิศาสตร์เป็นครอบครองโดย Twitter โดยใช้บุคคล