自然灾害Twitter数据集

随着互联网的发展，社交媒体已成为发布灾害相关信息的重要渠道。分析这些文本中隐藏的态度，即情感分析，对于政府或救援机构提高灾害响应效率至关重要，但尚未受到足够重视。本文旨在通过关注灾害响应中的态度调查和分析针对性救援物资来填补这一空白。本文的贡献有四点。首先，我们提出了几种机器学习模型，用于对灾害相关社交媒体数据的公众情感进行分类。其次，我们创建了一个带有情感标签的自然灾害数据集，其中包含近50,000条关于美国不同自然灾害（例如2011年龙卷风、2012年名为Sandy的飓风、2013年一系列洪水、2016年名为Matthew的飓风、2016年暴风雪、2017年名为Harvey的飓风、2018年名为Michael的飓风、2018年一系列野火以及2019年名为Dorian的飓风）的Twitter数据。我们正将数据集向研究界开放：https://github.com/Dong-UTIL/Natural-Hazards-Twitter-Dataset。我们希望我们的贡献能推动灾害响应中情感分析的研究。第三，我们聚焦于提取公众态度并分析灾害响应期间公众的基本需求（如食品、住房、交通和医疗物资），而非仅研究公众对自然灾害的正向或负向态度。第四，由于不同类型自然灾害引起的危害各异，我们从两个不同维度开展本研究以全面理解灾害响应中的公众舆论。