评估公共危机的机器学习方法：元分析
机器学习
2025-02-11 v1 人工智能
性能
摘要
本研究考察了用于危机管理的机器学习方法。分析从危机中检测到的模式涉及通过自动化手段收集和评估历史或近实时数据集。本文采用元综述方法，分析了利用机器学习技术评估危机期间人类行为的科学文献。通过对从三个学术数据库获取的已发表作品进行系统性文献评估，将选定的研究浓缩为主题和新兴趋势。结果显示，在所评估的文章中，来自社交媒体的数据最为突出，使用率为27%，其次是灾害管理、健康（COVID）和危机信息学等众多其他主题。此外，监督式机器学习方法在整个领域占主导地位，应用率为69%。分类技术在其他机器学习任务中脱颖而出，使用率为41%。发挥主要作用的算法是支持向量机、神经网络、朴素贝叶斯和随机森林，贡献率分别为23%、16%、15%和12%。
引用
@article{arxiv.2302.02267,
title = {Machine Learning Methods for Evaluating Public Crisis: Meta-Analysis},
author = {Izunna Okpala and Shane Halse and Jess Kropczynski},
journal= {arXiv preprint arXiv:2302.02267},
year = {2025}
}