利用卷积神经网络提取微博中的暴雨灾害信息

作     者：刘淑涵 王艳东 付小康 LIU Shuhan;WANG Yandong;FU Xiaokang

作者机构：武汉大学测绘遥感信息工程国家重点实验室武汉430079 地球空间信息技术协同创新中心武汉430079 东华理工大学测绘工程学院南昌330013 

出 版 物：《地球信息科学学报》 (Journal of Geo-information Science)

年 卷 期：2019年第21卷第7期

页      面：1009-1017页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 07[理学] 070601[理学-气象学] 08[工学] 0818[工学-地质资源与地质工程] 0706[理学-大气科学] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家重点研发计划项目(2016YFB0501403) 国家自然科学基金项目(41271399) 测绘地理信息公益性行业科研专项经费项目(201512015)~~ 

主　　题：卷积神经网络 新浪微博 短文本分类 暴雨灾害 灾害信息提取 

摘      要：从社交媒体中挖掘灾害应急信息,能够有效帮助传统灾害管理获取实时、主题丰富的灾害信息,从而成为灾害应急管理的新手段。得益于深度学习在自动特征提取上的成就,本文研究了一种利用卷积神经网络对社交媒体中的灾害应急信息进行自动实时提取与分类的方法。首先,利用社交媒体数据和Word2vec模型,构建与灾害类事件相关的语料库并获得相应的词向量;其次,将词嵌入文本和相应的灾情类别作为卷积神经网络的输入,经过多分类学习得到分类模型,用以提取近实时灾害信息。以2012年7.21北京特大暴雨事件为案例,通过分类模型获得常见灾情类别的暴雨灾害社交媒体信息。该模型在测试集上的精度达到了90%以上,并且将模型运用于新爬取的2016年暴雨数据集上也得到了较好的表现,说明该模型在近实时自动提取灾害信息方面具有可行性。在对2012年分类结果进行时空分析结果表明,通过社交媒体获得的暴雨灾害主题信息符合灾害发展的规律,说明了利用深度学习提取社交媒体数据中的灾害应急信息的有效性和可行性,能够为实时灾害应急管理提供新的思路。