一种基于机器学习的方法,用于利用社交媒体对全球不同地区的灾害类型进行分类和分析
《Computers》:An ML-Based Approach to Leveraging Social Media for Disaster Type Classification and Analysis Across World Regions
【字体:
大
中
小
】
时间:2026年01月04日
来源:Computers 4.2
摘要
在过去十年中,自然灾害和人为灾害的频率和影响都显著增加,这凸显了开展有效且及时的救援行动的迫切需求。灾害应对需要以成本和时间效益最高的方式,将资源高效地分配到正确的地点和灾害类型。然而,在此类事件中,大量未经核实且传播迅速的信息(尤其是在社交媒体上)常常会干扰对情况的了解和决策过程。因此,从社交媒体平台中提取可操作的见解并准确分类与灾害相关的信息已成为一个关键的研究挑战。机器学习(ML)方法在分类与灾害相关的推文方面展现出了强大的潜力,但不同灾害类型和地区背景下的模型准确性存在显著差异,这表明通用模型可能会忽略语言和文化上的细微差别。本文利用一个包含超过32,000个样本的标注数据集,研究了自然灾害推文的分类和细分分类问题。在对数据进行了全面预处理后,训练并评估了逻辑回归(Logistic Regression)和随机森林(Random Forest)分类器,以预测灾害的类别和子类别。此外,还实现了一个特定于国家的预测框架,以评估地区和文化差异对模型性能的影响。研究结果表明,整体分类准确性较高,但各国之间存在明显差异,这强调了采用具有情境意识和文化适应性的机器学习方法对于可靠灾害信息管理的重要性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号