评估公共危机的机器学习方法：Meta 分析

Feb, 2023

评估公共危机的机器学习方法：Meta 分析

Machine Learning Methods for Evaluating Public Crisis: Meta-Analysis

Izunna Okpala, Shane Halse, Jess Kropczynski

TL;DR本研究利用机器学习方法研究了危机管理，通过自动化手段收集和评估历史或近实时数据集中检测到的模式，分析选定的科学文献，分析人类在危机中的行为，结果表明社交媒体数据是被广泛使用的数据来源，监督学习方法是一种优秀的方法，分类技术在使用中显著，支持向量机、神经网络、朴素贝叶斯和随机森林是主要的算法。

Abstract

This study examines machine learning methods used in crisis management. Analyzing detected patterns from a crisis involves the collection and evaluation of historical or near-real-time datasets through automated

machine learning crisis management social media supervised learning classification

发现论文，激发创造

危机警报：使用机器学习方法预测股市危机事件

运用先进的机器学习技术，包括随机森林和极限梯度提升，来预测主要发生在美国市场的潜在市场崩盘；同时，通过比较模型表现，考察哪种模型更适合预测美国股市崩盘。

Jan, 2024

利用卷积神经网络快速分类社交媒体上的危机相关数据

本论文旨在介绍基于神经网络的分类方法，该方法针对社交媒体上的危机信息进行二元和多元分类。本方法无需进行特征工程，相比现有的最先进的分类方法，其性能更佳，并可在缺乏标记数据的情况下取得良好的分类效果。

Aug, 2016

社交媒体辅助危机管理中有监督分类和无监督主题建模之间的桥梁

采用 BERT 嵌入并进行微调可以适应新危机，发现新主题，并从受监督训练中保留相关类别，利用双向自注意力提取主题关键词。其在人工和自动评估中胜过传统主题模型。

Mar, 2021

该综述系统评估了机器学习在检测、预测和分析心理压力及相关心理障碍方面的应用。研究发现，支持向量机、神经网络和随机森林模型在所有算法中表现出色，生理参数如心率和皮肤反应是用于压力预测的常见参数，降维技术在训练机器学习算法之前是一个关键步骤。该综述还指出了研究领域的重要空白和未来发展方向。

Aug, 2023

基于图形半监督学习和卷积神经网络的危机相关推文分类

本文提出使用集成半监督学习方法来利用非标记数据，以更加快速和准确地对自然灾害等关键情况下所发布的社交媒体数据进行分类，从而更有效地提高救援响应效率。

May, 2018

全球灾害风险的时间分析：一种基于机器学习的动态聚类方法

通过对 2011 至 2021 年的全球灾害风险动态进行世界风险指数的时间分析，评估了减轻风险和创造安全环境所采取的措施的影响，并发现尽管持续努力，全球的风险景观仍然分为两个主要集群，而当前的政策和机制对于帮助国家从危险位置转移到更安全位置并不有效。因此，需要针对这些国家特定的脆弱性，发展创新的方法来应对持续的灾害风险管理挑战。

Jan, 2024

社交媒体危机事件的多模态分类

本文介绍一种新的多模态融合方法，使用图形建模和交叉注意力，将图像和文本进行联合处理以提高应急响应能力。通过三个危机相关任务的测试，表明我们的方法明显优于单模态方法和基准的多模态方法。

Apr, 2020

应用在线深度学习处理社交媒体信息的危机响应

本文提出使用深度神经网络，通过随机梯度下降算法在线训练，处理 Twitter 中的人道主义信息反应，包括鉴别信息推文和分类主题。

Oct, 2016

处理社交媒体危机信息分类的数据稀缺问题

该论文着眼于解决分类危机信息难以获取数据的挑战，提出了通过域自适应来学习分类模型并应用于多对多危机事件之间的信息过滤，进而证明该方法的有效性。

May, 2023

恶意软件分析的机器学习技术调查

该论文综述了在 Windows 环境下应用机器学习技术进行恶意软件分析的方法，并介绍了涉及的因素，包括目标、特征和算法。此外，文中还探讨了相关的数据集、问题和挑战以及未来研究方向，如恶意软件分析经济学。

Oct, 2017