論文の概要: Information Retrieval and Classification of Real-Time Multi-Source Hurricane Evacuation Notices

• arxiv url: http://arxiv.org/abs/2401.06789v1
• Date: Sun, 7 Jan 2024 16:35:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 12:28:00.603990
• Title: Information Retrieval and Classification of Real-Time Multi-Source Hurricane Evacuation Notices
• Title（参考訳）: リアルタイムマルチソースハリケーン避難通知の情報検索と分類
• Authors: Tingting Zhao, Shubo Tian, Jordan Daly, Melissa Geiger, Minna Jia, Jinfeng Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.500155415916692
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For an approaching disaster, the tracking of time-sensitive critical information such as hurricane evacuation notices is challenging in the United States. These notices are issued and distributed rapidly by numerous local authorities that may spread across multiple states. They often undergo frequent updates and are distributed through diverse online portals lacking standard formats. In this study, we developed an approach to timely detect and track the locally issued hurricane evacuation notices. The text data were collected mainly with a spatially targeted web scraping method. They were manually labeled and then classified using natural language processing techniques with deep learning models. The classification of mandatory evacuation notices achieved a high accuracy (recall = 96%). We used Hurricane Ian (2022) to illustrate how real-time evacuation notices extracted from local government sources could be redistributed with a Web GIS system. Our method applied to future hurricanes provides live data for situation awareness to higher-level government agencies and news media. The archived data helps scholars to study government responses toward weather warnings and individual behaviors influenced by evacuation history. The framework may be applied to other types of disasters for rapid and targeted retrieval, classification, redistribution, and archiving of real-time government orders and notifications.
• Abstract（参考訳）: 近づきつつある災害では、ハリケーン避難通知などの時間に敏感な重要な情報の追跡が困難である。 これらの通知は、複数の州にまたがる可能性のある多くの地方当局によって発行され、迅速に配布される。 しばしば頻繁な更新が行われ、標準フォーマットに欠ける多様なオンラインポータルを通じて配布される。 本研究では,局所的な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,主に空間的対象のウェブスクレイピング法を用いて収集した。 それらは手動でラベル付けされ、ディープラーニングモデルを用いた自然言語処理技術を使用して分類された。 強制避難通知の分類は高い精度を達成した(リコール = 96%)。 我々は,ハリケーン・イアン (2022) を用いて,地方自治体から抽出されたリアルタイム避難通知を web gis システムに再配布する方法を示した。 今後のハリケーンに適用する手法は,高レベルな政府機関やニュースメディアに状況把握のためのライブデータを提供する。 アーカイブされたデータは、避難履歴に影響された気象警報や個人の行動に対する政府の反応を研究するのに役立ちます。 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。

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)
• 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)
• 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)
• Exploring the Application of Large-scale Pre-trained Models on Adverse Weather Removal [97.53040662243768]
  ネットワークが異なる気象条件を適応的に処理できるようにするために,CLIP埋め込みモジュールを提案する。 このモジュールは、CLIP画像エンコーダによって抽出されたサンプル特定気象と、パラメータセットによって学習された分布特定情報を統合する。
  論文  参考訳（メタデータ） (2023-06-15T10:06:13Z)
• TriggerCit: Early Flood Alerting using Twitter and Geolocation -- a comparison with alternative sources [0.2603110718989132]
  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。
  論文  参考訳（メタデータ） (2022-02-24T10:55:49Z)
• 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)
• Deep Sensing of Urban Waterlogging [0.0]
  モンスーンシーズンには、都市部で突然の洪水が頻繁に発生し、社会活動や経済活動が妨げられ、インフラや生活を脅かす可能性がある。 台湾のモンスーン季節における深層センシングシステムの利用が実証され, 島全体での降水現象が予測された。 提案手法は,全国的規模で水利きイベントを検知し,従来の水利きセンシング手法に代わる効率的かつ高度にスケーラブルな代替手段を提供する。
  論文  参考訳（メタデータ） (2021-03-10T08:34:37Z)
• Constructing Evacuation Evolution Patterns and Decisions Using Mobile Device Location Data: A Case Study of Hurricane Irma [5.902556437760098]
  本稿では,大規模な携帯電話位置情報サービス(LBS)データを用いて,ハリケーンイルマの上陸時の避難パターンを構築した。 ユーザの避難判断,出発・再入国日分布,目的地選択を検討した。 分析の結果,避難選択のモデル化における個人の移動行動の重要性が明らかになった。
  論文  参考訳（メタデータ） (2021-02-24T23:24:10Z)
• Social Media Information Sharing for Natural Disaster Response [0.0]
  ソーシャルメディアは災害関連情報を投稿するための重要なチャンネルとなり、政府や救援機関が災害管理を改善するためのリアルタイムデータを提供している。 本研究の目的は,災害対応に対する公衆の態度や災害時の防災物資に対する公衆の要求など,ソーシャルメディアデータのマイニング・分析による防災効率の向上である。
  論文  参考訳（メタデータ） (2020-05-08T21:11:39Z)
• Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
  私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。 本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
  論文  参考訳（メタデータ） (2020-04-29T16:17:49Z)

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。