KDDSep, 2021

KDD 2020 数据驱动人道主义地图制定研讨会议：活用人类与机器智能进行重要公共政策和韧性规划

PDF
TL;DR我们提出了基于数据驱动的人道主义研究计划，旨在开发新型数据科学方法，利用人工智能和机器智能为高风险公共政策和韧性规划提供支持，填补当前数据科学缺口，以促进人道主义行动和全球发展。
发现论文，激发创造
  • KDD 2021 数据驱动人道主义制图研讨会：利用人工智能和机器智能为高风险公共政策和弹性规划服务

    提出了数据驱动的人道主义地图研究计划，旨在开发利用人工智能的新型数据科学方法，以科学的方式帮助改善处于风险群体中的人们的生计，填补缺乏数据科学研究来支持公平的公共政策决策的现状。

    Aug, 2021

  • 数据模糊性和认知偏差对机器学习模型在人道主义决策中可解释性的影响

    本研究旨在研究数据模棱两可和认知偏差对机器学习算法在人道主义决策中可解释性的影响。

    Nov, 2019

  • 利用遥感和机器学习进行最不发达国家的暴露和物理脆弱性动态全球绘图

    以机器学习和遥感监测为基础，该研究致力于利用 Sentinel-1 SAR GRD 和 Sentinel-2 Harmonized MSI 等公开数据，对 47 个国家（大多数为最不发达国家）进行全球灾害风险评估，以推动减少全球气候和灾害风险的长期努力。

    Apr, 2024

  • 在人道主义地图绘制中评估机器学习的公正性

    通过使用机器学习和卫星技术进行人道主义地图制作可以及时准确地识别需要帮助的人群，但是从空间进行人道主义制图的算法决策公平性和透明度的问题是这些方法在实践中应用的一个重要障碍，本研究以印度为例通过夜间灯光数据使用线性回归和随机森林算法制图并分析调查结果，发现贫困被系统性地高估，电气化则被系统性地低估，这将影响人道主义制图应用的多个方面并对政策目标产生负面影响。

    Aug, 2021

  • 气候适应：从不平衡卫星数据中可靠地预测

    本文研究了如何处理在应用深度学习技术识别危机管理时，数据高度不平衡的情况，探讨了多种技术并提出了一套综合方法，旨在提高少数类别分类的性能和模型可靠性。

    Apr, 2020

  • 危机分析：以大数据驱动的危机响应

    介绍了大规模危机数据分析的历史、未来及其应用前景，包括帮助有效应对自然灾害等方面的讨论。

    Feb, 2016

  • 危机平台：用于人道主义信息处理的危机相关社交媒体数据集基准测试

    本论文旨在通过整合多个数据集，提高处理社交媒体上危机相关数据的深度学习模型的性能，从而增强人道主义应对能力。研究集中在危机信息学的相关技术和系统，以及二元或多类分类任务的性能指标。

    Apr, 2020

  • 利用多模态框架进行全球灾害预测的多样数据驱动

    随着气候变化加剧，准确的全球规模灾害预测变得迫切。本研究提出了一种新颖的多模态灾害预测框架，结合了天气统计数据、卫星图像和文本洞察。我们特别关注 “洪水” 和 “滑坡” 的预测，因为它们与气象和地形因素相关。该模型基于现有数据精心设计，并实施策略来解决类别不平衡问题。虽然我们的研究结果表明，整合多种数据来源可以提升模型性能，但增强程度因每种灾害的特性和其独特的根本原因而有所不同。

    Sep, 2023

  • DMLR：数据中心机器学习研究 -- 过去、现在与未来

    基于 2023 年 ICML 的 DMLR 研讨会和之前的会议讨论，我们概述了社区参与和基础设施发展对于创建推进机器学习科学的下一代公共数据集的重要性。作为一项集体努力，我们提出了一条前进的道路，以确保这些数据集和方法的持续创建和维护，以实现科学、社会和商业的积极影响。

    Nov, 2023

  • 利用 AI 进行自然灾害管理：来自摩洛哥地震的经验教训

    为了改善灾难应对能力，回应摩洛哥 Al Haouz 在 2023 年发生的 6.8 级地震，通过人工智能进行后灾难孵化器，提供了全面的文献综述、获奖项目概述、关键见解和挑战，以及社区行动的呼吁。

    Nov, 2023