灾难中的公共健康：哈维飓风期间的情感健康和生活事件提取

Aug, 2024

灾难中的公共健康：哈维飓风期间的情感健康和生活事件提取

Public Health in Disaster: Emotional Health and Life Incidents Extraction during Hurricane Harvey

Thomas Hoang, Quynh Anh Nguyen, Long Nguyen

TL;DR本研究解决了气候变化引发的灾难对心理健康服务需求的空白，通过分析哈维飓风期间的社交媒体数据，探讨人们在灾难前后的情感及生活事件。我们采用结合BERT模型、图神经网络（GNN）和大语言模型（LLM）的创新方法，不仅识别事件主题，还生成事件聚类的描述性名称，提供了灾难准备和响应的关键见解。

Abstract

Countless disasters have resulted from climate change, causing severe damage to infrastructure and the economy. These disasters have significant societal impacts, necessitating mental health services for the millions affected. To prepare for and respond effectively to such events, it is important to understand people's emotions and the life incidents they ex

发现论文，激发创造

大规模灾害中无监督子事件检测

本文提出了一种利用语义嵌入和无监督学习的方法，在社交媒体的帖子数据集中对于重大自然灾害的子事件进行识别，并对其进行分析和分类。通过对两组数据集进行实验证明了该方法的有效性和优越性。

Dec, 2019

飓风灾害中感知情绪的检测

该研究介绍了HurricaneEmo情感数据集，其中包含15,000条带有情感的英文推文，覆盖了三个飓风: Harvey，Irma和Maria，并探讨了利用社交媒体平台分析灾难领域情感的挑战和价值。

Apr, 2020

I-AID：从与灾害相关的推文中识别可行信息

本文提出 I-AID，这是一种多模型方法，可将推文自动分类为多标签信息类型，并从海量的社交媒体数据中过滤关键信息。I-AID包括三个主要组件：基于BERT的编码器、图注意力网络（GAT）和可学习距离度量的关系网络。经过多次实验，结果表明在 TREC-IS 数据集和 COVID-19 推文上，I-AID 在加权平均 F1 得分方面的表现优于现有的最新方法6％和4％。

Aug, 2020

社交媒体文本上基于弱监督的细粒度事件识别在灾害管理中的应用

本文通过弱监督学习建立高质量的社交媒体紧急信息分类器，使用 Twitter 上的微博信息以及事件关键词帮助快速生成高质量的标签化数据，利用前续信息和回复信息来丰富微博表示方法以处理嘈杂短小的用户生成信息，且仅需1-2人时的人工监督即可在两次飓风期间实现优于需要50人时手动标注的管理分类器。

Oct, 2020

HumAID: 通过深度学习基准从 Twitter 中获取人工注释的灾难事件数据

本文提出一种基于深度学习模型和人类标注的新型大规模社交媒体数据集，用于自然灾害期间信息分类和简洁归纳，以改善现有数据集的局限性，提高分类准确度。

Apr, 2021

通过社交媒体数据和易感-感染-恢复（SIR）模型研究灾害响应：2020年美国西部野火季的案例研究

社交媒体数据、主题建模和SIR模型可为决策者提供量化方法以衡量灾难响应和支持其决策过程。

Aug, 2023

利用Twitter数据确定飓风等级：一项实验

此研究通过数据挖掘方法在社交媒体数据和灾害严重程度之间找到关联，并使用特定区域的Twitter数据预测该区域的飓风等级。