کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7428957 1483179 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Big data analytics for disaster response and recovery through sentiment analysis
ترجمه فارسی عنوان
تجزیه و تحلیل داده های بزرگ برای پاسخ به فاجعه و بهبود از طریق تجزیه و تحلیل احساسات
کلمات کلیدی
اطلاعات بزرگ، مدیریت بحران، پردازش زبان طبیعی، تجزیه و تحلیل احساسات، طبقه بندی متن، تجزیه و تحلیل رسانه های اجتماعی،
ترجمه چکیده
داده های بزرگ ایجاد شده توسط رسانه های اجتماعی و شبکه های تلفن همراه فرصتی استثنایی برای به دست آوردن بینش ارزشمند از آنها فراهم می کند. این اطلاعات توسط موسسات تجاری برای اندازه گیری سطح رضایت مشتری مورد استفاده قرار می گیرد اما کاربرد آن در پاسخ فاجعه هنوز در نقطه انفصال قرار دارد. شبکه های اجتماعی به طور فزاینده ای برای ارتباطات اورژانس استفاده می شود و به درخواست های مربوطه کمک می کند در شرایط بحران، چنین درخواست های اضطراری باید از مجموعه داده های بزرگ برای ارائه کمک به موقع استخراج شود. اگرچه سازمان های دولتی و پاسخ دهنده های اضطراری با استفاده از چارچوب پاسخ های ملی مربوط به فاجعه خود همکاری می کنند، احساس مردم آسیب دیده در طول و پس از فاجعه، موفقیت پاسخ فاجعه و روند بهبود را تعیین می کند. در این مقاله، یک رویکرد اطلاعاتی محکم برای پاسخگویی به فاجعه از طریق تحلیل احساسات پیشنهاد می کنیم. مدل پیشنهادی داده های فاجعه را از شبکه های اجتماعی جمع آوری می کند و آنها را با توجه به نیازهای افراد تحت تأثیر قرار می دهد. داده های فاجعه طبقه بندی شده از طریق الگوریتم یادگیری ماشین برای تحلیل احساسات مردم طبقه بندی می شوند. ویژگی های مختلف مانند بخش هایی از سخنرانی و واژگان به منظور شناسایی بهترین استراتژی طبقه بندی برای داده های فاجعه تحلیل می شود. نتایج نشان می دهد که رویکرد مبتنی بر واژگان مناسب برای تحلیل نیازهای مردم در طی فاجعه است. مفاهیم عملی روش پیشنهادی، طبقه بندی و طبقه بندی داده های بزرگ رسانه های اجتماعی برای پاسخگویی و بهبود فاجعه در زمان واقعی است. این تجزیه و تحلیل کمک می کند تا پاسخ اضطراری و نجات پرسنل برای ایجاد استراتژی های بهتر برای مدیریت اطلاعات موثر در محیط فاجعه به سرعت در حال تغییر است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری سیستم های اطلاعات مدیریت (MIS)
پیش نمایش مقاله
تجزیه و تحلیل داده های بزرگ برای پاسخ به فاجعه و بهبود از طریق تجزیه و تحلیل احساسات
چکیده انگلیسی
Big data created by social media and mobile networks provide an exceptional opportunity to mine valuable insights from them. This information is harnessed by business entities to measure the level of customer satisfaction but its application in disaster response is still in its inflection point. Social networks are increasingly used for emergency communications and help related requests. During disaster situations, such emergency requests need to be mined from the pool of big data for providing timely help. Though government organizations and emergency responders work together through their respective national disaster response framework, the sentiment of the affected people during and after the disaster determines the success of the disaster response and recovery process. In this paper, we propose a big data driven approach for disaster response through sentiment analysis. The proposed model collects disaster data from social networks and categorize them according to the needs of the affected people. The categorized disaster data are classified through machine learning algorithm for analyzing the sentiment of the people. Various features like, parts of speech and lexicon are analyzed to identify the best classification strategy for disaster data. The results show that lexicon based approach is suitable for analyzing the needs of the people during disaster. The practical implication of the proposed methodology is the real-time categorization and classification of social media big data for disaster response and recovery. This analysis helps the emergency responders and rescue personnel to develop better strategies for effective information management of the rapidly changing disaster environment.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Information Management - Volume 42, October 2018, Pages 13-24
نویسندگان
, , ,