科研之友
微信
新浪微博
Facebook
分享链接
摘要
巨灾事件的发生日益频繁,社交网络的即时性特点有助于灾情的迅速评估和灾后重建。本文以2019年9号台风"利奇马"为例,在新浪微博平台上收集了2019年8月9日—14日的260万条微博短文本数据,使用机器学习和优化情感词典两种方法分别对微博短文本进行分析。发现在相同的时间成本下,采用机器学习进行自然语言处理的效果远不如情感词典,机器学习的分析精度受主题与语料库的影响很大。在此基础上,本文利用台风主题下的情感词典对微博短文本进行情绪分析,发现灾损严重的省市情绪曲线会出现更大的波动,人身损失造成的情绪波动远大于财产损失造成的情绪波动。在浙江临海事件中,"好"的情绪曲线与"惧"的情绪曲线存在两个小时的时间差,表明"庆幸"的情绪达到峰值预示着未来很快可能有更重大的灾情发生,这其中的时间差为灾情预警提供了新的思路。
- 单位
