論文の概要: TriggerCit: Early Flood Alerting using Twitter and Geolocation -- a
comparison with alternative sources
- arxiv url: http://arxiv.org/abs/2202.12014v2
- Date: Sat, 5 Mar 2022 12:23:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:11:16.608052
- Title: TriggerCit: Early Flood Alerting using Twitter and Geolocation -- a
comparison with alternative sources
- Title（参考訳）: TriggerCit: TwitterとGeolocationを使った初期のフラッドアラーティング - 代替ソースとの比較
- Authors: Carlo Bono (1), Barbara Pernici (1), Jose Luis Fernandez-Marquez (2),
Amudha Ravi Shankar (2), Mehmet O\u{g}uz M\"ul\^ayim (3), Edoardo Nemni (4
and 5) ((1) Politecnico di Milano, (2) University of Geneva, (3) Artificial
Intelligence Research Institute IIIA-CSIC, (4) United Nations Satellite
Centre UNOSAT, (5) United Nations Institute for Training and Research UNITAR)
- Abstract要約: ソーシャルメディアは、進行中のイベント中に市民や組織が投稿した証拠に基づくコンテンツによる緊急対応を支援することができる。
タイムラインと位置情報に焦点を当てた多言語アプローチによる早期洪水警報ツールであるTriggerCitを提案する。
TriggerCitがTwitterから抽出した位置情報による視覚的証拠は、2021年にタイとネパールの洪水に関する2つのケーススタディで分析された。
- 参考スコア（独自算出の注目度）: 0.2603110718989132
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Rapid impact assessment in the immediate aftermath of a natural disaster is
essential to provide adequate information to international organisations, local
authorities, and first responders. Social media can support emergency response
with evidence-based content posted by citizens and organisations during ongoing
events. In the paper, we propose TriggerCit: an early flood alerting tool with
a multilanguage approach focused on timeliness and geolocation. The paper
focuses on assessing the reliability of the approach as a triggering system,
comparing it with alternative sources for alerts, and evaluating the quality
and amount of complementary information gathered. Geolocated visual evidence
extracted from Twitter by TriggerCit was analysed in two case studies on floods
in Thailand and Nepal in 2021.
- Abstract（参考訳）: 自然災害直後の迅速な影響評価は、国際機関、地方当局、および第一応答者に適切な情報を提供するために不可欠である。
ソーシャルメディアは、進行中のイベント中に市民や組織が投稿した証拠に基づくコンテンツによる緊急対応を支援することができる。
本稿では,時系列と位置情報に着目した多言語アプローチによる早期洪水警報ツールTriggerCitを提案する。
本稿では,トリガシステムとしてのアプローチの信頼性を評価し,アラートの代替源と比較し,収集した補完的情報の品質と量を評価する。
TriggerCitがTwitterから抽出した視覚的証拠は、2021年にタイとネパールの洪水に関する2つのケーススタディで分析された。
関連論文リスト
- CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。
本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。
この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
論文 参考訳（メタデータ） (2024-06-16T23:01:10Z) - Information Retrieval and Classification of Real-Time Multi-Source
Hurricane Evacuation Notices [2.500155415916692]
我々は,局所的に発行されたハリケーン避難通知をタイムリーに検出し,追跡する手法を開発した。
テキストデータは,主に空間的対象Webスクレイピング法を用いて収集された。
このフレームワークは、迅速かつ標的とした検索、分類、再配布、リアルタイムの政府命令と通知のアーカイブのための他の種類の災害に適用することができる。
論文 参考訳（メタデータ） (2024-01-07T16:35:30Z) - Natural Disaster Analysis using Satellite Imagery and Social-Media Data
for Emergency Response Situations [0.0]
この研究は、衛星画像分析とTwitterデータ分析という2つの段階に分けられている。
第1段階は、災害前の衛星画像解析である。
第2段階は、災害状況に関する重要な情報で地域をマッピングすることに焦点を当てている。
論文 参考訳（メタデータ） (2023-11-16T15:01:26Z) - CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster
Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。
私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文 参考訳（メタデータ） (2023-10-23T07:01:09Z) - DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet
Classification via Memory Bank [52.20298962359658]
危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。
完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。
半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。
本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
論文 参考訳（メタデータ） (2023-10-23T05:25:51Z) - Sarcasm Detection in a Disaster Context [103.93691731605163]
HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。
私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
論文 参考訳（メタデータ） (2023-08-16T05:58:12Z) - IKDSumm: Incorporating Key-phrases into BERT for extractive Disaster
Tweet Summarization [5.299958874647294]
災害固有のつぶやき要約フレームワークIKDSummを提案する。
IKDSummは、そのツイートのキーフレーズを通じて、災害に関連する各ツイートから重要かつ重要な情報を識別する。
これらのキーワードを使って、ツイートの要約を自動的に生成する。
論文 参考訳（メタデータ） (2023-05-19T11:05:55Z) - ContCommRTD: A Distributed Content-based Misinformation-aware Community
Detection System for Real-Time Disaster Reporting [0.5156484100374059]
本稿では,危険関連事象とその進化について,ほぼリアルタイムに情報を提供する新しい分散システムを提案する。
我々の分散災害報告システムは、世界規模のツイート間の社会的関係を解析する。
フェイクニュースを検知する新たな深層学習モデルを提案する。
論文 参考訳（メタデータ） (2023-01-30T15:28:47Z) - Detecting Damage Building Using Real-time Crowdsourced Images and
Transfer Learning [53.26496452886417]
本稿では,Twitterなどのソーシャルメディアプラットフォームから地震後の建物画像を自動的に抽出する手法を提案する。
トランスファーラーニングと6500枚の手動ラベル付き画像を用いて,現場に損傷のある建物を画像として認識する深層学習モデルを訓練した。
訓練されたモデルは、異なる場所で新たに取得した地震の画像でテストし、トルコのM7.0地震の後、Twitterのフィードでほぼリアルタイムで実行された。
論文 参考訳（メタデータ） (2021-10-12T06:31:54Z) - Intelligent Agent for Hurricane Emergency Identification and Text
Information Extraction from Streaming Social Media Big Data [10.783778350418785]
我々はHurricane Harveyと関連するヒューストン洪水を研究の動機付けシナリオとして使っている。
本研究は,災害時緊急対応における緊急センター支援の補助的役割として,インテリジェントエージェントを用いた概念実証のためのプロトタイプを開発する。
本発明のインテリジェントエージェントは、自然災害イベント中にリアルタイムのストリーミングツイートを収集し、救助要請のツイートを識別し、アドレスやジオコードなどの重要な情報を抽出し、意思決定支援においてインタラクティブマップで抽出した情報を可視化する。
論文 参考訳（メタデータ） (2021-06-14T00:12:27Z) - Leveraging Multi-Source Weak Social Supervision for Early Detection of
Fake News [67.53424807783414]
ソーシャルメディアは、人々が前例のない速度でオンライン活動に参加することを可能にする。
この制限のないアクセスは、誤情報や偽ニュースの拡散を悪化させ、その緩和のために早期に検出されない限り混乱と混乱を引き起こす可能性がある。
ソーシャルエンゲージメントからの弱い信号とともに、限られた量のクリーンデータを活用して、メタラーニングフレームワークでディープニューラルネットワークをトレーニングし、さまざまな弱いインスタンスの品質を推定します。
実世界のデータセットの実験では、提案されたフレームワークは、予測時にユーザーエンゲージメントを使わずに、フェイクニュースを早期に検出するための最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-04-03T18:26:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。