面向地震应急的自媒体信息挖掘模型

从近几年发生的特大自然灾害事件中可以发现,社交媒体平台正日益成为普通公众及时发布和获取灾情信息的最主要、最便捷的新途径,在这类平台获取的数据中隐藏了大量记录灾情现状的文字、图片等信息。文中首先对海量的历史灾情数据进行统计分析,构建了面向地震应急的信息类别体系和危急度评价体系;基于此训练了用于信息分类的朴素贝叶斯模型,模型的准确率为73. 6%;同时采用机器学习模型和语义计算模型这种特征融合的分类方法,对灾情信息的危急度进行评价,评价模型的准确率为89. 2%。该模型能够在震后实时地对自媒体中出现的灾情信息进行爬取、分类和评价等操作,可从海量的自媒体信息中挖掘出少量危急又重要的信息,以辅助震后的灾情研判和精准救援。文中最后以2017年8月8日九寨沟地震事件为例,从地震烈度速报、震后精准救援2个角度对挖掘数据的可用性进行了研究分析。