社交网络舆情分析能否帮助人们管理极端天气事件？

将人工智能深度学习与社交网络分析(SNA)相结合，能否成为极端天气事件管理及发布的有用工具?

近日，麦吉尔大学跨学科的研究团队在这一领域取得最新进展。研究人员发现，通过使用降噪机制，可以从社交媒体过滤有价值的信息，从而更好地评估问题点以及评估用户对极端天气事件的反应。该研究结果发表在《突发事件与危机管理》杂志上。

该团队的研究基于2019年3月美国内布拉斯加州洪水的推特数据，那场洪水造成了超过10亿美元的损失和居民的大规模疏散。总共有超过1200条推文被分析和分类。社交网络分析可以确定人们在极端天气事件中从何处获得信息。深度学习可以通过将数千条推文分类为固定类别，让人们更好地理解这些信息的内容。研究人员随后还引入了一个双层深度学习分类模型，这是首次将这些方法整合起来，对危机管理者产生作用。

该研究强调了一些关于使用社交媒体分析的问题，值得注意的是，特别是它没有注意到事件的背景远远超出了CrisisNLP等标记数据集的预期，缺乏一种通用语言来对危机管理相关术语进行分类。

研究人员的初步探索还发现“名人效应”显著。例如：流行歌手贾斯汀•汀布莱克的一条微博被大量用户分享, 但事实证明，这条推特对危机管理者没有用处。研究结果告诉我们，不同类型的事件所包含的信息是不同的，这与人们认为有统一语言来对危机管理进行分类的想法相反。这就限制了研究人员仅能在少数事件类型上使用标记数据集，因为搜索词可能会随着事件的不同而发生变化。

公众提供的大量有关天气的社交媒体数据表明，它可以在暴风雪、洪水和冰暴等危机中提供关键信息。研究人员目前正在探索将这一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。

声明：本文版权归原作者所有，转载请注明出处，请勿转至外网或用于商业用途。