基于语义规则和词向量的台风灾害网络情感分析方法

灾害期间的舆情引导有助于维护社会稳定。社交媒体是舆论传播的重要渠道,通过微博评论了解用户的网络情感及关注的话题,可以帮助相关舆情监测部门掌握公众的关注热点,从而选择适当的干预节点来应对网络舆情,并对公众情绪进行疏导,这对于应急管理具有现实意义。现有的研究大多是利用有监督的机器学习方法进行情感分类,这需要人工进行语料的标注,工作量大。本文根据微博评论文本的特点,综合考虑情感词以及表情符号等多重情感源,构建了台风灾害领域情感词典。在此基础上,提出了一种基于情感词语义规则的情感倾向计算方法,以及基于词向量的话题聚类方法。首先,采集了近年5次台风灾害期间共计40多万条微博评论文本,基于大连理工情感词汇本体库进行扩展构建了台风灾害领域情感词典,结合PMI法构建表情符号词典,根据语义规则确定情感倾向,并使用3500条评论文本验证了该方法的有效性。然后,本文基于词向量、TF-IDF与K-means的聚类方法探索灾害期间热点话题。最后,以2020年4号台风“黑格比”为例,基于台风期间的5万余条微博评论文本进行了舆情情感分析,并识别出6类与台风相关的话题。通过时空分析发现,随着时间的推移,微博评论文本的数量发生一定变化,评论数量多的地区大都集中在沿海地区和经济水平高的地区,台风登陆当天浙江省的恐惧情感达到最高。结果表明,基于语义规则和词向量的台风灾害网络情感分析方法,能在类似灾害事件发生时为政府部门掌握和引导网络舆情提供辅助。     

顾及时空过程的台风灾害事件知识图谱表示方法

我国是受台风影响最严重的国家之一，台风灾害严重威胁着沿海地区的社会经济和自然环境。近年来，随着知识图谱相关理论和应用技术的发展，其强大的知识整合与表达能力可以为台风灾害事件的动态监测与管理决策提供有力支持。针对当前台风灾害事件相关模型对时空过程表达不足等方面存在的问题，首先，从台风灾害机理出发，通过对台风灾害事件组成要素和动态特性的分析，提出从概念、对象、状态、特征和关系5个层次建立的台风灾害事件知识表达模型。其次，充分顾及台风灾害事件信息的多粒度特性，在模型中将不同的特征信息统一到各个对象中。为了突出台风灾害事件的时空过程，以状态作为过程在特定时空下的截面。最后，以2021年台风烟花事件为案例，构建了台风灾害事件知识图谱。结果表明，该模型不仅突出了事件中不同对象的特征刻画，通过多个对象的状态序列表达出台风灾害事件的时空过程，进一步提高台风灾害事件的全过程信息表达与存储，为应急决策方案提供有效的数据与决策辅助支持。     

面向互联网信息抽取的海洋环境灾害链本体构建——以台风灾害为例

全球气候变化加剧了海洋环境灾害的影响力与破坏力,实时灾情信息获取与分析成为灾害应急处置中的关键环节。与具有延迟性的传统对地观测网络相比,基于互联网的众包地理信息以其实时性在受灾情况评估与灾害应急处置中得到广泛重视。为获取互联网文本中隐含的海洋环境灾害信息,探究灾害对人群行为活动的影响,本文着重关注海洋环境灾害发展的时空过程特性,从灾害链的角度分析灾害发生发展过程中所涉及的诸多要素,在收集整理海洋环境灾害相关知识的基础之上,采用五元组（概念、关系、属性、规则和实例）进行本体的逻辑结构表达,构建了用于信息抽取的海洋环境灾害链本体,其包含描述海洋环境灾害知识体系的海洋环境灾害本体、受到海洋环境灾害作用的地理对象本体以及在灾害发生、发展、结束的时空过程中产生的相应的人类应急处置本体。最后,本文以台风灾害为例,通过台风灾害链知识建模,实现互联网灾害信息抽取与时空变化过程分析。结果表明：基于海洋环境灾害链的互联网文本信息抽取可以获取隐藏在互联网文本中的灾害描述信息,能够分析灾害的发展变化过程及其对人群行为活动的影响,为灾害防治与应急救援提供一定科学支持。     

台风时空过程的网络动态分析技术与示例

网络技术的发展为实时动态地显示时空过程信息和在线分析提供了可能,也为气象海洋等灾害性过程的预警和防灾决策支持提供了可能;另一方面,随着网络的普及化,公众对GIS时空分析模型的网络实时集成和可视化表达提出了迫切需求。本文在分析网络GIS最新发展趋势的基础上,针对时空过程的动态特性,探讨了时空过程网络实时动态查询、分析和可视化的技术方法,并以台风过程为代表,设计了适合网络环境的台风过程数据的有效组织形式和直观的表达方式,构建了一个台风过程网络系统原型,具备了时空过程查询、可视化、简单的空间分析等功能,实现了台风过境的时空影响网络在线分析。系统基于ArcGIS Server在.NET环境下实现。实践证明本文提出的时空过程网络动态技术,可快捷地实现时空过程信息的网络发布、过程的在线影响分析及其时空动态可视化,可为台风、海啸等灾害性过程的信息提供和灾害评价等提供空间技术支持。     

面向不同用户群体的社交媒体台风舆情演化分析及对比研究

社交媒体数据可以为台风灾害追踪、灾时救援和灾情评估提供及时有效的信息。现有研究常采用主题建模和情感分析等技术对台风期间社交媒体平台（如新浪微博等）舆论话题和情感变化进行研究。在省域范围内以小时为时间粒度的多维度有效性论证尚有欠缺,且在舆情分析时未能区分用户群体差异。本文以台风“利奇马”为例,在浙江省域范围内,以新浪微博数据为研究对象,首先从词频分析、台风关注度时空变化以及特定灾害事件响应3个角度探讨了微博数据对台风灾情响应的有效性;其次采用隐含狄利克雷分布（Latent Dirichlet Allocation,LDA）主题模型技术挖掘微博文本主题信息,并根据Louvain算法对主题社团进行划分;然后开发了一种基于自定义情感词典的情感分析方法用于情感指数计算,与SnowNLP相比情感倾向性预测精度得到了提高;最后分析了台风期间官方和民众在新浪微博平台上的话题关注以及情感演变差异。结果表明：① 在省级范围内,微博数据能有效反映台风动态和灾害时空分布;② 台风事件微博文本的主题变化反映了灾情不同阶段舆论关注点的动态变化;③ 官方微博文本比民众微博文本具有更明确的主题社团结构;④ 台风事件相关微博文本中的消极情绪在台风登陆后显著增加,其中民众微博文本对台风灾害的情绪响应更及时,官方微博文本中的情感表达始终相对积极。     

迎战台风“利奇马”,自然资源人在行动!

<正>今年第9号台风"利奇马"挟风裹雨席卷浙江、江苏、安徽、山东等地,造成多地出现灾情和险情。8月9日,自然资源部召开紧急视频会议,部署台风过境期间地质灾害和海洋灾害防治工作,并派出工作组分赴浙江、江苏、山东、河北等地指导防灾救灾工作,查看了解应急值守、监测预警、信息平台、避险转移、应急处置等情况。截至目前,自然资源部派出的5个海洋减灾工作组和8个地质灾害专家组仍在现场指导工作。各地自然资源系统迅速贯彻落实自然资源部部署,全力以赴投入地质灾害、海洋灾害防御应对及抢险救灾工作中,确保人民群众生命财产安全。     

基于社交媒体的森林火灾舆情信息脉动分析

2019年和2020年四川省发生了两起大型森林火灾,受到政府高度重视,也在网络上引发了广泛讨论.为了呈现森林火灾后微博文本中蕴含的舆情信息,有效地了解舆情,掌握规律,对四川凉山前后两起重特大森林火灾发生后的舆情进行了数据挖掘和对比分析.使用核密度、地理探测器方法对两起森林火灾舆情时空扩散和空间分异进行了研究,使用LDA主题提取模型、朴素贝叶斯、词云方法对两起火灾舆情进行主题提取、情感分析和可视化表达.研究结果表明:时空扩散和主题分布上,四川省两起重大森林火灾舆情具有较强相似性;空间分异上,两起火灾舆情空间分异与区域经济发展水平显著相关;情感演变上,重复发生同类灾害事故对于网民的情绪冲击明显.     

社交媒体数据对反映台风灾害时空分布的有效性研究

当灾害事件发生时,与之相关的社交媒体数据不断产生,其中包含了丰富的灾情信息和签到地理位置信息,这为灾情态势的及时感知提供了一种新的数据源,但是因社交媒体用户量的地区差异及网络空间中信息传播模式的特点,给社交媒体签到数据所代表的空间点过程的模式分析带来了一些新的问题,如签到点密度与实际灾害点事件密度之间的对应关系、签到点之间的空间关系、点格局的空间异质性及其影响因素等。本文以2016年14号台风"莫兰蒂"为例,以"台风"和"莫兰蒂"为关键词,在新浪微博平台上采集了2016年9月14-17日的微博数据,使用文档主题生成模型(Latent Dirichlet Allocation,LDA)和支持向量机(Support Vector Machine,SVM)对微博文本进行分类,构建了含有签到位置信息的灾情点事件数据库。在此基础上,针对社交媒体用户分布的空间异质性提出了一种基于签到点用户活跃度的加权模型。以全局自相关统计量Moran′s I为指标,对加权前后的签到微博数据进行对比,发现这些在社交网络中产生的签到微博数据在现实地理空间中存在明显的空间自相关性;基于"雨"、"停电"等关键词,利用上述加权处理后的微博数据库进行灾害制图,结合真实灾情资料进行时空对比分析,结果表明系列图谱能够反映台风灾害的时空过程趋势。     

缙云县三项举措开展地质灾害防治工作

一是编制方案,明确防治措施。按照“早安排、早行动、早到位、早落实”的精神,制定下发《缙云县2008年度地质灾害防治方案》和《缙云县地质灾害应急预案》,并加强应急预案的演练,提高应急防灾抗灾能力。同时,进～步完善县、乡、村三级群测群防网络建设,加强防灾明白卡和避险卡的发放,做到一户一卡,组织村级监测人员进行灾害防治专业知识的培训,提高村级防治意识。二是突出重点,加强汛期预防。严格执行汛期24小时值班制度、灾情速报制度和巡查制度。要求基层所每星期,局职能科室每月到灾害点实地查看一次,检查监测点动态情况和监测人员防巡查记录落实情况。进一步加强台风期间与气象、电台、移动公司等部门合作,抓好地质灾害气象信息发布,做好预警预报工作。     

泥石流突袭乐清排险情刻不容缓--记省第十一地质大队排险救灾

14号台风"云娜"袭击乐清市,造成特大山洪并引发泥石流灾害.面对突如其来的天灾,省第十一地质大队组织技术人员深入灾害现场,踏勘分析,排险情,提方案,为省、市领导抗灾救灾、灾区重建当好参谋.     

网络舆情态势及情感多维特征分析与可视化——以COVID-19疫情为例

2020年初,新型冠状病毒肺炎（COVID-19）疫情席卷全国,疫情发展变化引发了社会各界的广泛关注。社交媒体平台作为网络舆情的重要载体,如何从中全面、准确挖掘分析网络舆情特征是疫情防控过程中的重要问题。本研究首先从舆情本体与客体时空关联的角度构建了疫情期间网络舆情多维分析模型,获取了2020年1月17日—3月17日多个媒体平台中新冠肺炎疫情相关的网络舆情数据;其次以疫情蔓延的视角,运用比较研究法、Spearman相关系数等方法探索了武汉市、湖北省及全国尺度下的网络舆情态势时空演变及语义特征;最后使用HowNet情感词典和情感词汇本体进行了舆情情感分析,并使用可交互信息图表对其进行可视化。结果表明：① 武汉市、湖北省、全国尺度下的每日舆情数据数量与每日新增病例数之间存在正相关关系;② 舆情数据数量的空间分布与疫情分布存在正相关关系,舆情数据数量多的地区多为疫情较为严重的地区; ③ 研究时段内不同媒体平台的舆情中立情感最多,新闻平台与论坛、微信、微博相比,整体情绪更为正面;④ 在疫情发展的不同阶段,微博热搜数据情感特征有较大差异,总体上呈现正面情绪多于负面。研究表明,基于本文提出的多维分析模型可以直观展现疫情期间多尺度下的舆情态势、舆情焦点和情绪变化,从而为政府及相关部门有效引导与控制网络舆情提供理论基础支撑和参考借鉴。     

微博中蕴含台风灾害损失信息识别和分类方法

社交媒体在灾害信息的实时发布与传播中发挥着越来越重要的作用。在灾害发生过程中,社交媒体中蕴含的实时灾损信息对灾情及时响应和评估有重要意义。然而,这些涉灾文本具有信息破碎度高、文本特征稀疏、标注语料库匮乏等缺点,使得传统的基于监督学习的方法难以有效提取其中的灾损信息。为此,本文提出了一种通过扩展上下文特征和匹配特征词的方法来快速识别和分类社交媒体中蕴含的不同类别的灾损信息。本方法首先基于中文语法规则,抽取小规模不同灾损类别下微博文本中的涉灾关键词构建特征词搭配对。然后,利用词向量模型和已有词库对这些特征词搭配对进行补充和扩展。同时,根据中文词语共现规则,引入外部语料库优化特征词间的语义搭配关系。最终,以此为基础构建台风灾损分类知识库对灾情文本中蕴含的不同类别灾损信息进行识别和分类。本文以2016年9月15日台风“莫兰蒂”登陆事件作为研究案例,以评估本文方法在灾损信息识别和分类上的效果。结果表明,本文方法对微博文本中蕴含的不同类别风灾损失信息的识别和分类效果显著（各类别综合评价指标都达到了0.74以上）。基于灾损信息分类结果,本文绘制了台风影响的时空分布图,从而进一步说明本文方法在灾害损失评估和减灾救灾方面的效用。     

基于Web文本的灾害事件信息获取进展

大数据时代海量网络文本中蕴含的灾害事件信息是防灾减灾研究和应用的重要资源。从异构的Web文本中快速、准确抽取灾害事件时空信息和属性信息,分析其时空动态变化模式与趋势并进行可视化表达,是当前地理信息与灾害信息领域关注的热点。本文从Web文本挖掘的整体技术框架、灾害主题页面抓取、灾害事件信息解析与抽取、灾害事件信息空间展示分析、以及防灾减灾应用系统等方面调研和综述了相关进展。针对防灾减灾领域的Web文本信息获取未来趋势,分析概括了全流程的Web文本灾害事件信息提取适用技术,并指出未来研究趋势：① 重点开展全球灾害信息全景式获取分析,实现全球灾害事件信息的自动化获取、分析及可视化展示;② 向联合国可持续发展目标（SDGs）和中国“一带一路”倡议,加强典型热点区域的Web灾害事件信息获取分析应用研究并形成示范系统;③ 按照数据、信息、知识的应用层次,建立以大数据挖掘和分析技术支撑的新型防灾减灾知识服务系统。     

基于滑坡灾害预警分级的应急处置措施

滑坡灾害应急处置能力是地质灾害减灾防灾的重要方面。目前,基于滑坡灾害预测和预警分级成果,系统性的应急措施分类研究还鲜有展开,因此,以三峡库区白水河滑坡为例,运用时间序列加法模型将滑坡累计位移分解为趋势项位移与周期项位移,并分别应用多项式拟合及自回归（AR）模型对2个分量进行预测,在此结果上采用聚类分析方法将滑坡变形分为匀速变形与加速变形阶段,综合判断滑坡灾害预警等级,开展了针对滑坡预警分级的应急措施研究。结果表明:白水河滑坡预警等级主要为蓝色和黄色2种类型,对处于不同的预警等级下的滑坡,可根据滑坡变形特征快速决策,基于滑坡灾害预测和预警分级结果能更有效地指导滑坡应急处置。      

Non-structural mitigation programs for sediment-related disasters after the Chichi Earthquake in Taiwan

Following the Chichi Earthquake (M_L=7.3) in 1999, sediment-related disasters, such as landslides and debris flows, have become more frequent in Taiwan. Because engineering structures cannot be fully and rapidly emplaced, the government has initiated non-structural hazard mitigation programs. Initially, community debris flow evacuation drills were promoted in 2000. Typhoon Toraji caused numerous debris flow events in July 2001, and some communities evacuated according to the drills, significantly reducing the numbers of possible casualties. Based on that result, the government expanded the program for evacuation drills. Secondly, the early warning system created after the Chichi Earthquake will prevent many potential future casualties. Rainfall threshold values for debris flow warnings in different areas are determined from information received from local weather stations and modified for local geomorphologic situations. Realtime information is gradually being integrated to create a debris flow disaster warning system, the goal of which is to provide warnings to zones in which debris flows are likely. The warning system was launched in 2005 and has two levels of alarms: yellow and red. The final, red alarm triggers enforced evacuation. Overall, the decrease in casualties from debris flows during the decade after the Chichi Earthquake is not the result of a decrease in number or severity of sediment related disasters, but is more directly related to the gradually improved early warning and evacuation system. However, the compound hazards resulting from Typhoon Morakot in 2009 remind us of the ongoing need for improving the existing mitigation system.     

重大公共卫生事件中的舆情分析方法研究——以新冠肺炎疫情为例

2019年12月以来,新冠肺炎疫情迅速席卷全球,截至北京时间2020年5月10日16时40分,全球累计确诊病例4 115 662例,已成为全球聚焦的主要话题。微博等社交媒体平台成为此次疫情相关信息传播的重要渠道和公众情绪的有效传感器之一。对微博信息进行深入挖掘分析不但能研判舆情特点,更有助于政府对公众的情绪进行针对性疏导,合理管控舆情。因此,本文采集了2020年1月18日到2020年1月28日期间关于新冠肺炎的33万余条新浪微博数据,基于Louvain和Kmeans的空间聚类、改进的BTM主题词提取等算法,将用户关注热点信息和情感特征作为地域标签,构建了反映情感特征、地域关联与热点关注在内的舆情评价方法,实现了基于位置的信息融合,能够分析不同区域的舆情特点与关注主题差异。研究表明：基于BERT词向量的BTM主题词提取方法可以有效弥补传统主题词提取的计算量大、数据冗余等缺点,在热点挖掘时具有更强的表达能力;不同区域关注热点具有一定的差异性,结合省级、市级及基于Louvain-Kmeans的空间聚类的多尺度舆情分析方法,可以全方位展现不同区域舆情特点。本文提出的舆情分析方法可以有效反映不同区域的舆情特征,为重大公共卫生事件的舆情分析提供参考。     

基于用户情感变化的新冠疫情舆情演变分析

新冠肺炎疫情作为国际性突发公共卫生事件引发了社会媒体的高度关注。微博评论内容是用户对疫情中介性事件的认知、态度、倾向和行为的汇集,为基于用户情感分析的舆情演化研究提供了高现势性和高时序性的文本语料。本文以2020年1月23日至4月8日期间“人民日报”每日疫情通报的微博评论为信息基底,首先使用中文自然语言处理工具SnowNLP对语料进行情感倾向性抽取,完成正负向的情感分类,然后基于Single-Pass聚类算法实现文本语料的聚类分析,探索疫情热点话题,最后利用Louvain社团发现算法实现舆情被关注度的信息挖掘。① 时间维度上,每日情感趋势表明用户经历了焦虑害怕（1月24日—2月18日）、平稳自信（2月19日—3月15日）和紧张担忧（3月16日—4月8日）的情感更迭阶段;② 空间维度上,用户参与数量、所在地情绪状态和评论地情绪投射等关联分析显示不同行政区的疫情关注度和情感状态存在明显差异,疫情越严重地区的微博用户,其参与度越高且情绪状态与投射值越低。该研究通过引入自然语言处理技术和社团网络算法,构建出一种面向社交媒体评论文本数据的舆情分析方法框架,为重大公共事件的舆情研究提供了理论支持和创新思路。