在这篇论文中，我们提出了一个三步解决方案，旨在充分利用社交媒体内容和自然语言处理技术，实现灾害信息学中的相关分类、地点提取和主题建模，以应对社交媒体内容中的挑战。

May, 2024

本文综述了利用社交媒体进行智能化灾难救援和响应的新前沿，研究了灾难的不同阶段在社交媒体上如何表现，建立了基于社交媒体的建议方法与首次救援组织之间的联系，并概述了当前挑战和未来研究方向。

Sep, 2017

利用机器学习语言模型对社交网站的帖子进行监测，以便能够及时地确定是否有人或地区处于危险之中，从而更好地进行应急处置。

Jan, 2022

灾害管理是一个极具潜力的研究领域，因为它对经济、环境和社会产生了重大影响。本研究重点分析与灾害管理相关的各种数据（卫星图像和推特数据），以深入分析按地理位置分组的紧急需求。通过两个阶段的研究，分别是卫星图像分析和推特数据分析，最后利用位置进行整合。利用基于 U-Net 架构的多类土地覆盖分割技术对地点进行灾后卫星图像分析是第一个阶段。第二个阶段侧重于为救援行动提供有关灾情和紧急需求的重要信息的地图绘制。通过使用与该地点相关的关键词，筛选出严重受灾地区，并提取推特数据。通过基于内容词的推特摘要（COWTS）技术从大量原始推特中提取情境信息。将这些模块实时整合，利用基于位置的地图绘制和频率分析技术，在发生灾害的情况下收集多维信息，例如对喀拉拉邦和密西西比州洪水进行了测试和验证。本研究的创新之处在于应用分割的卫星图像进行灾害救援，通过突出土地覆盖变化，并通过地区特定的筛选器整合推特数据，获取灾害的完整概览。

Nov, 2023

利用大规模社交媒体数据研究 2023 年加拿大野火烟在纽约市的浮现对纽约市的危机活动关切（如疏散、室内滞留、购物和休闲活动等）产生了巨大影响，并开发了模型进行不同活动关切的社区推断。研究发现，在野火期间，女性更不可能讨论疏散、医疗、社交或休闲活动以及上下班通勤等事项，并且这些讨论存在种族差异，亚洲人比西班牙裔更容易讨论疏散和上下班通勤，非洲裔人士则较不容易讨论社交和休闲活动。低收入地区和非高等教育学生对疏散表示较少担忧，这项研究为决策者、应急规划者和公共卫生官员提供了有价值的见解，帮助他们制定有针对性的沟通策略和公平的应急响应计划。

Jan, 2024

本研究利用推特对澳大利亚 COVID-19 病例进行情感分析和话题模型分析，探究社交媒体对疫情预测的作用，结果表明加入社交媒体变量可以改进疫情预测模型的准确性，并发布全球的 MegaGeoCOV 数据集，以帮助更好地理解全球疫情的动态。

Jun, 2022

该论文主要研究社交媒体在灾难和紧急情况下作为信息来源的潜力和挑战，并提出了一种基于文本分类的框架来处理 Twitter 噪声数据，通过使用多个 transformers 模型最终达到了 F1-score 0.87 的高分数。

Jan, 2023

本文介绍了如何构建一个基于在线社交网络的分类器来筛选有关地震的推文，以减少公众在自然灾害时获取相关信息的难度。通过使用 2010 年智利地震的数据集，作者们研究了类不平衡和维度降低等变量对 5 种分类器的影响，为构建类似系统提供了重要的参考和建议。

Mar, 2015

本文研究了在灾难中使用社交媒体如 Twitter 等传播信息以提高灾难控制。当前流行的通过学习的方法无法很好地识别与灾难相关的推文，因此我们提出了一种基于匹配关键词和标签的简单而有效的算法。结果表明，我们的方法提供了更高质量和更可解释的情绪分析任务相关的推文，是一种可行的方法。

May, 2017

本文探讨通过社交媒体实时数据检测和跟踪灾害事件，基于内容的社区分析和深度学习模型检测虚假新闻的分布式系统使得危害相关事件的报告更快更好地传播。

Jan, 2023