您的位置:首页>人工智能>正文

使用人工智能管理极端天气事件

摘要 能否将人工智能的一个子领域深度学习 (DL) 与社交网络分析 (SNA) 相结合,使有关极端天气事件的社交媒体贡献成为危机管理人员、急救人

能否将人工智能的一个子领域深度学习 (DL) 与社交网络分析 (SNA) 相结合,使有关极端天气事件的社交媒体贡献成为危机管理人员、急救人员和政府科学家的有用工具?一个由麦吉尔研究人员组成的跨学科团队将这些工具带到了最前沿,以了解和管理极端天气事件。

研究人员发现,通过使用降噪机制,可以从社交媒体中过滤出有价值的信息,以更好地评估问题点并评估用户对极端天气事件的反应。研究结果发表在 《突发事件与危机管理杂志》上。

“我们通过找出谁在听谁的声音以及哪些是权威来源来降低噪音,”麦吉尔大学地理系副教授、这项研究的主要作者 Renee Sieber 解释说。“这种能力很重要,因为评估 Twitter 用户共享信息的有效性非常困难。”

该团队的研究基于 2019 年 3 月内布拉斯加州洪水的 Twitter 数据,这场洪水造成了超过 10 亿美元的损失,居民大面积疏散。总共对 1,200 多条推文进行了分析和分类。

“社交网络分析可以确定人们在极端天气事件期间从何处获取信息。深度学习通过将数千条推文归入固定类别,例如‘基础设施和公用事业损坏’或‘同情和情感支持’,让我们能够更好地理解这些信息的内容,”Sieber 说。然后,研究人员引入了一个两层深度学习分类模型——首先以对危机管理人员有用的方式整合这些方法。

该研究强调了为此目的使用社交媒体分析的一些问题,特别是它没有注意到事件比标记数据集(例如 CrisisNLP)所预期的更具上下文,并且缺乏一种通用语言来对相关术语进行分类。危机管理。

研究人员进行的初步探索还发现,名人的呼声非常突出——2019 年内布拉斯加州的洪水确实如此,流行歌手贾斯汀·汀布莱克 (Justin Timberlake) 的一条推文被大量用户分享,尽管它没有被证明对危机管理人员有用。

“我们的研究结果告诉我们,不同类型的事件之间的信息内容各不相同,这与存在一种通用语言来对危机管理进行分类的信念相反;这限制了标记数据集仅用于几种类型的事件,因为搜索词可能会从一个事件更改为另一个事件。”

“公众为天气贡献的大量社交媒体数据表明,它可以在诸如暴风雪、洪水和冰暴等危机中提供关键信息。我们目前正在探索将此模型应用于不同类型的天气危机,并通过将这些方法与其他方法相结合来解决现有监督方法的缺点,”Sieber 说。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。