面向应急服务的多模态社交媒体流相关性分类

社交媒体已成为我们日常生活的重要组成部分。在时效性强的事件期间，公众在社交媒体上分享各类帖子，包括资源需求报告、受损情况以及对受影响社区的帮助提供。此类帖子可能具有相关性，并包含有价值的态势感知信息。然而，社交媒体的信息过载给应急服务及时处理和提取相关信息带来挑战。此外，近年来社交媒体帖子中多媒体内容使用日益增长，进一步增加了及时从中挖掘相关信息的难度。本文提出一种新颖的多模态社交媒体帖子相关性分类方法，其中相关性是根据应急管理机构的信息需求定义的。具体而言，我们尝试将语义文本特征与图像特征相结合，以高效分类相关的多模态社交媒体帖子。我们利用对三个真实世界危机事件数据的分类评估验证了该方法。实验表明，基于所提出的利用文本与图像内容的混合框架的特征提升了识别相关帖子的性能。鉴于这些实验，所提出的分类方法的应用可减轻应急服务在大规模过滤多模态公众帖子时的认知负荷。