基于人工智能的洪灾与热浪灾害响应中社交媒体行为分析

本文分析了英国多个与洪灾和热浪相关的灾害数据集中的社交媒体数据。所提出的方法使用基于深度双向神经网络、在灾害响应与极端事件基准数据集上训练的机器学习分类器。所得模型被用于对所推断文本主题进行情感与定性分析。我们进一步分析一组行为指标，并通过解码天气图记录将其与气候变量相匹配，以分析热舒适度。我们强调了将行为指标与气候变量对齐的优势，从而为灾害不同阶段尤其是极端天气时期提供值得考虑的额外有价值信息。灾害相关消息的积极性约为8%，灾害与医疗响应消息为1%，灾害与人道主义相关消息为7%。这显示了此类数据在我们案例研究中的可靠性。我们展示了该方法可迁移应用于任意社交媒体数据收集。