科研之友
微信
新浪微博
Facebook
分享链接
摘要
突发事件场景中,应急行动支撑信息有助于各类主体的及时响应和敏捷动员,对于保障人员搜救、资源配置等各项应急行动的顺利开展,以及最小化伤亡损失具有重要意义。本文旨在探究如何从社交媒体中获取各类应急行动支撑信息。在梳理应急行动支撑信息概念、特征和类别的基础上,提出基于机器学习的应急行动支撑信息识别与分类的两阶段实现框架。基于文本向量表示、语言、形式和用户四个维度的特征,采用支持向量机、逻辑回归、文本卷积神经网络(text convolutional neural networks,TextCNN)、BERT (bidirectional encoder representations from transformers)以及BERT和TextCNN的组合模型(BERT+TextCNN)在人工标注数据集上开展实验,评估不同分类方法、算法和特征的效果。研究结果表明,两阶段方法在不损失模型性能的情况下,能够提供层次更为丰富的应急行动支撑信息。BERT和BERT+TextCNN在两个阶段任务中均优于其他模型。语言、形式和用户特征的组合对第一阶段任务——应急行动支撑信息识别无明显作用,但能显著提升第二阶段任务——应急行动支撑信息分类的效果。本研究有助于更好地将社交媒体数据流嵌入应急工作流程,在一定程度上缓解应急行动中的信息过载问题,提高应急效率。
- 单位
