实时多源飓风疏散通知的信息检索与分类
信息检索
2024-01-17 v1 人工智能
计算与语言
机器学习
摘要
对于即将来临的灾害，追踪时效性强的关键信息（如飓风疏散通知）在美国颇具挑战。这些通知由众多可能跨多个州的地方当局迅速发布和分发，经常频繁更新，并通过缺乏标准格式的多样化在线门户进行分发。在本研究中，我们开发了一种方法，用于及时检测和追踪地方发布的飓风疏散通知。文本数据主要通过空间定向的网络爬虫方法收集。这些数据经过人工标注，然后使用自然语言处理技术和深度学习模型进行分类。强制性疏散通知的分类达到了高准确率（召回率 = 96%）。我们以飓风伊恩（2022年）为例，展示了从地方政府来源提取的实时疏散通知如何通过Web GIS系统进行再分发。我们的方法应用于未来的飓风，可为更高级别的政府机构和新闻媒体提供用于态势感知的实时数据。存档的数据有助于学者研究政府对天气预警的响应以及受疏散历史影响的个体行为。该框架可应用于其他类型的灾害，以实现对实时政府命令和通知的快速、定向检索、分类、再分发和存档。
引用
@article{arxiv.2401.06789,
title = {Information Retrieval and Classification of Real-Time Multi-Source Hurricane Evacuation Notices},
author = {Tingting Zhao and Shubo Tian and Jordan Daly and Melissa Geiger and Minna Jia and Jinfeng Zhang},
journal= {arXiv preprint arXiv:2401.06789},
year = {2024}
}