SIDE：面向理解环境危机社会影响动态的社会知情干旱估计
社会与信息网络
2024-12-18 v1 人工智能
摘要
干旱已成为具有重大社会影响的关键全球威胁。现有的干旱监测解决方案主要侧重于使用定量测量评估干旱严重程度，忽视了以人为中心的干旱社会影响多样性。受社交媒体集体智能和人工智能计算能力的推动，本文研究了一种新颖的社会知情 AI 驱动的干旱估计问题，旨在利用社交和新闻媒体信息联合估计干旱严重程度及其社会影响。存在两个技术挑战：1) 如何对干旱社会影响的隐式时间动态进行建模。2) 如何捕捉物理干旱条件与其社会影响之间的社会-物理相互依赖关系。为了应对这些挑战，我们开发了 SIDE，一个社会知情 AI 驱动的干旱估计框架，该框架明确量化干旱的社会影响，并有效地对社会-物理相互依赖性进行建模，以实现严重程度-影响的联合估计。在来自加利福尼亚州和德克萨斯州的真实世界数据集上的实验表明，与最先进的基线相比，SIDE 在准确估计干旱严重程度及其社会影响方面表现出卓越的性能。SIDE 为制定以人为中心的干旱缓解策略以促进可持续和具有复原力的社区提供了有价值的见解。
引用
@article{arxiv.2412.12575,
title = {SIDE: Socially Informed Drought Estimation Toward Understanding Societal Impact Dynamics of Environmental Crisis},
author = {Lanyu Shang and Bozhang Chen and Shiwei Liu and Yang Zhang and Ruohan Zong and Anav Vora and Ximing Cai and Na Wei and Dong Wang},
journal= {arXiv preprint arXiv:2412.12575},
year = {2024}
}
备注
To be published in AAAI 25