面向自然灾害响应的社交媒体信息共享

社交媒体已成为发布灾害相关信息的重要渠道，为政府和救援机构提供实时数据以改进灾害管理。然而，该领域研究尚未受到足够关注，且提取有用信息仍具挑战性。本文旨在通过挖掘和分析社交媒体数据（如公众对不同类型灾害中灾害响应的态度和针对救援物资的公众需求）来提高救灾效率。我们基于类型、持续时间和破坏程度等属性关注不同的自然灾害，共包含 41,993 条推文。本文通过人工分类推文对公众感知进行定性评估，其中包含针对救援物资的需求、对灾害响应的满意度以及公众恐惧等信息。公众对自然灾害的态度通过采用八种机器学习模型的定量分析进行研究。为向决策者提供更合适的模型，基于计算时间和预测精度对机器学习模型进行了比较。研究了不同自然灾害期间公众舆论的变化，以及随着 Twitter 不断发展，人们在面对同类自然灾害时使用社交媒体进行救灾的行为演变。本文结果证明了所提出研究方法的可行性与有效性，并为救援机构提供了改进灾害管理的见解。