文献

J-GLOBAL ID：201902233590599610   整理番号：19A2457163

統計的特徴と情報語の組合せを用いたツイートからの災害被害評価【JST・京大機械翻訳】

Disaster damage assessment from the tweets using the combination of statistical features and informative words

著者 (2件)： Madichetty Sreenivasulu (National Institute of Technology, Tiruchirappalli, India) ,  Sridevi M. (National Institute of Technology, Tiruchirappalli, India)
資料名： Social Network Analysis and Mining  (Social Network Analysis and Mining)
巻： 9  号： 1  ページ： 1-11  発行年： 2019年 
JST資料番号： W4952A  ISSN： 1869-5469  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 今日,Twitterは,特に災害時に情報を通信するためのユーザ間でより一般的になっている。災害時の目標イベントに関連するツイートの同定は挑戦的な課題である。多くの以前の研究は,災害に関連する状況と非状況情報を議論した。損傷評価に関連するツイートの検出は,それが状況情報の部分集合であるため,社会メディアにおける非常に困難なタスクである。次の欠点の一つは,既存の損傷評価研究に存在している。(1)インフラの被害のみに焦点を当てたが,評価における人間の被害を含まない。(2)被害評価のための社会的メディア画像データのみに焦点を合わせ,(3)地域の言語に焦点を当てた。これらの問題を克服するために,統計的特徴と定式化作業(SESIW)を用いて,損傷評価に関連するツイートを検出するためのスタックベースのアンサンブルを提案した。それは,提案した特徴,すなわち,ハッシュタグの周波数,ユーザの言及,単語,URL,数字の数,および有益な単語を使用する。用語周波数と逆文書周波数技術を用いて,情報語をマイニングした。SESIW法を異なるTwitter災害データセットでテストし,それはBag-of-WordモデルによるベースラインSVMより優れている。Copyright 2019 Springer-Verlag GmbH Austria, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 基準線 ,  言語 ,  *単語 ,  数字 ,  部分集合 ,  インフラストラクチャー ,  定式化
準シソーラス用語： 画像データ ,  ソーシャルメディア ,  損傷評価 , 【Automatic Indexing@JST】

著者キーワード (4件)： アンサンブル ,  災害 ,  損傷 ,  ソーシャルメディア

分類 (2件)： 自然災害  (RA02030M) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 統計的特徴 ,  組合せ ,  災害 ,  被害 ,  評価