کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7472080 1485143 2018 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mining crisis information: A strategic approach for detection of people at risk through social media analysis
ترجمه فارسی عنوان
اطلاعات بحران معدن: یک رویکرد استراتژیک برای تشخیص افرادی که در معرض خطر هستند از طریق تجزیه و تحلیل رسانه های اجتماعی
کلمات کلیدی
مدیریت بحران، پشتیبانی ماشین بردار تجزیه و تحلیل احساسات، طبقه بندی متن، تجزیه و تحلیل رسانه های اجتماعی، آگاهی وضعیتی،
ترجمه چکیده
آگاهی وضعیتی از محیط های به سرعت در حال تغییر در حوادث فاجعه برای واکنش موثر و مدیریت بهبود حیاتی است. چالش های اصلی در دستیابی به چنین آگاهی ها عدم دسترسی به منابع مختلف اطلاعات و ابزار است. رسانه های اجتماعی نقش مهمی در درک وضعیت واقعی در محل فاجعه ایفا می کنند، زیرا اطلاعات به طور مستقیم از مردم آسیب دیده دریافت می شود. اگر اطلاعات جمع آوری شده به طور موثر به دست آورده شود، وضعیت بحران می تواند تحت کنترل قرار گیرد و خطرات ناشی از فاجعه ای که مردم را تحت تأثیر قرار می دهد یا مناطقی که مستعد ابتلا به فاجعه هستند، کاهش می یابد. این در واقع تلفات را به حداقل می رساند و به افراد آسیب دیده کمک می کند تا به نیازهای اولیه و شرایط اضطراری پزشکی خود برسند. در این مقاله، ما یک روش ترکیبی برای جداسازی و طبقه بندی متون 1 دریافت شده از افرادی که در معرض خطر در منطقه آسیب دیده اند، پیشنهاد می کنیم. روش ترکیبی پیشنهاد شده متشکل از روش مبتنی بر قانون و الگوریتم های یادگیری ماشین با ویژگی های زبانی برای جدا کردن متون و دسته بندی آنها با توجه به نیاز است. نتایج الگوریتم طبقه بندی متن در زمان واقعی به پاسخ گیرندگان اورژانس کمک می کند تا مردم را در معرض خطر قرار دهند و در طول ساعات نیاز به آنها دست یابند.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات فیزیک زمین (ژئو فیزیک)
پیش نمایش مقاله
اطلاعات بحران معدن: یک رویکرد استراتژیک برای تشخیص افرادی که در معرض خطر هستند از طریق تجزیه و تحلیل رسانه های اجتماعی
چکیده انگلیسی
Situational awareness of the rapidly changing environment in the event of disaster is vital for effective response and recovery management. The major challenges in achieving such awareness are lack of access to various sources of information and tools. Social media plays a vital role in understanding the real situation at the place of disaster as the information is received directly from the affected people. If the collected information is leveraged effectively, the crisis situation can be brought under control and the risks of the disaster affected people or disaster prone areas are reduced. This indeed minimizes the casualty and helps the affected people in serving with their basic needs and medical emergencies. In this paper, we propose a hybrid method for segregating and classifying the texts1 received from the people who are at risk in the affected region. The proposed hybrid method combines rule based methodology and machine learning algorithms with linguistic features for segregating the texts and classifying them according to the needs. The results of the real-time text classification algorithm help the emergency responders to locate the people at risk and reach them during the hour of their need.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Disaster Risk Reduction - Volume 27, March 2018, Pages 556-566
نویسندگان
, , ,