論文の概要: Tales of the 2025 Los Angeles Fire: Hotwash for Public Health Concerns in Reddit via LLM-Enhanced Topic Modeling

• arxiv url: http://arxiv.org/abs/2505.09665v1
• Date: Wed, 14 May 2025 16:31:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.04806
• Title: Tales of the 2025 Los Angeles Fire: Hotwash for Public Health Concerns in Reddit via LLM-Enhanced Topic Modeling
• Title（参考訳）: 2025年のロサンゼルスの火災の物語: LLM強化トピックモデリングによるRedditの公衆衛生問題へのホットウォッシュ
• Authors: Sulong Zhou, Qunying Huang, Shaoheng Zhou, Yun Hang, Xinyue Ye, Aodong Mei, Kathryn Phung, Yuning Ye, Uma Govindswamy, Zehan Li,
• Abstract要約: この研究は、2025年のロサンゼルスの山火事におけるRedditの談話を分析します。 385件の投稿と114,879件のパサデとイートン火災に関するコメントを集めています。 我々は、状況意識(SA)と危機ナラティブ(CN)という2つの主要なカテゴリからなる潜在トピックを分類する。
• 参考スコア（独自算出の注目度）: 1.3833272340822185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wildfires have become increasingly frequent, irregular, and severe in recent years. Understanding how affected populations perceive and respond during wildfire crises is critical for timely and empathetic disaster response. Social media platforms offer a crowd-sourced channel to capture evolving public discourse, providing hyperlocal information and insight into public sentiment. This study analyzes Reddit discourse during the 2025 Los Angeles wildfires, spanning from the onset of the disaster to full containment. We collect 385 posts and 114,879 comments related to the Palisades and Eaton fires. We adopt topic modeling methods to identify the latent topics, enhanced by large language models (LLMs) and human-in-the-loop (HITL) refinement. Furthermore, we develop a hierarchical framework to categorize latent topics, consisting of two main categories, Situational Awareness (SA) and Crisis Narratives (CN). The volume of SA category closely aligns with real-world fire progressions, peaking within the first 2-5 days as the fires reach the maximum extent. The most frequent co-occurring category set of public health and safety, loss and damage, and emergency resources expands on a wide range of health-related latent topics, including environmental health, occupational health, and one health. Grief signals and mental health risks consistently accounted for 60 percentage and 40 percentage of CN instances, respectively, with the highest total volume occurring at night. This study contributes the first annotated social media dataset on the 2025 LA fires, and introduces a scalable multi-layer framework that leverages topic modeling for crisis discourse analysis. By identifying persistent public health concerns, our results can inform more empathetic and adaptive strategies for disaster response, public health communication, and future research in comparable climate-related disaster events.
• Abstract（参考訳）: 近年では、森林火災が頻発し、不規則になり、深刻化している。 森林火災発生時の住民の認識と対応の理解は、タイムリーで共感的な災害対応に不可欠である。 ソーシャルメディアプラットフォームは、公衆の会話の進化を捉えるためのクラウドソースのチャンネルを提供し、ハイパーローカルな情報と公共の感情に関する洞察を提供する。 この研究は、2025年のロサンゼルスの山火事の際のRedditの談話を分析します。 385件の投稿と114,879件のパサデとイートン火災に関するコメントを集めています。 我々は,大規模言語モデル(LLM)とHuman-in-the-loop(HITL)の改良により強化された潜在トピックを識別するためのトピックモデリング手法を採用する。 さらに,情緒的認知(SA)と危機ナラティブ(CN)という2つの主要なカテゴリからなる潜在トピックを分類する階層的枠組みを構築した。 SAカテゴリーの容積は現実世界の火災の進行と密接に一致し、火災が最大限に達すると、最初の2～5日以内にピークに達する。 最も頻繁な公衆衛生・安全・損失・損害・災害資源のカテゴリーは、環境衛生・職業健康・1つの健康など、幅広い健康関連関連トピックに拡大している。 陰影信号と精神健康リスクは、それぞれ60パーセントと40パーセントのCNインスタンスで、夜間に最も多く発生している。 本研究は,2025年のLA火災におけるアノテートされたソーシャルメディアデータセットに貢献し,危機談話分析にトピックモデリングを活用するスケーラブルな多層フレームワークを提案する。 永続的な公衆衛生上の懸念を明らかにすることで,災害対応,公衆衛生コミュニケーション,気象関連災害における今後の研究について,より共感的かつ適応的な戦略を知ることができる。

関連論文リスト

• SPEED++: A Multilingual Event Extraction Framework for Epidemic Prediction and Preparedness [73.73883111570458]
  多様な疾患や言語に対する流行イベント情報を抽出する,最初の多言語イベント抽出フレームワークを提案する。 各言語でデータに注釈を付けることは不可能であり、ゼロショット・クロスランガル・クロス・ディスリーズ・モデルを開発する。 われわれのフレームワークは、2019年12月初旬に中国のWeiboポストから、中国でのトレーニングなしに、新型コロナウイルスの流行を警告することができる。
  論文  参考訳（メタデータ） (2024-10-24T03:03:54Z)
• Public Health in Disaster: Emotional Health and Life Incidents Extraction during Hurricane Harvey [1.433758865948252]
  嵐に関連する40万件の公開ツイートのデータセットを収集しました。 BERTベースのモデルを用いて、各ツイートに関連する感情を予測した。 グラフニューラルネットワーク(GNN)とLarge Language Models(LLM)を統合して分析をさらに改良した。
  論文  参考訳（メタデータ） (2024-08-20T18:31:20Z)
• 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)
• Event Detection from Social Media for Epidemic Prediction [76.90779562626541]
  ソーシャルメディア投稿から疫病関連事象を抽出・分析する枠組みを構築した。 実験では、新型コロナウイルスベースのSPEEDで訓練されたEDモデルが、3つの目に見えない流行の流行を効果的に検出する方法が明らかにされている。 モンキーポックスのWHO流行宣言より4～9週間早く,抽出した事象の報告が急激な増加を示すことを示す。
  論文  参考訳（メタデータ） (2024-04-02T06:31:17Z)
• Investigating disaster response through social media data and the Susceptible-Infected-Recovered (SIR) model: A case study of 2020 Western U.S. wildfire season [0.8999666725996975]
  ソーシャルメディアは災害時の公衆の懸念や要求を反映することができる。 Twitterデータからトピックをクラスタリングするために、BERT(Bidirectional Representations from Transformers)トピックモデリングを使用しました。 本研究では、ソーシャルメディアデータを用いたSIRモデルとトピックモデリングが、災害対応を定量的に評価するための意思決定者に提供する方法について詳述する。
  論文  参考訳（メタデータ） (2023-08-10T01:51:33Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• Tracking the evolution of crisis processes and mental health on social media during the COVID-19 pandemic [0.90238471756546]
  本研究は,危機対応と回復の段階を社会学的問題として検討することを目的とする。 アルゼンチンで2020年3月から8月にかけて行われた大量のTwitterデータに基づいて、ソーシャルメディア投稿で使用される言語の違いをテーマ分析した。
  論文  参考訳（メタデータ） (2020-11-22T14:30:09Z)
• Leveraging Natural Language Processing to Mine Issues on Twitter During the COVID-19 Pandemic [0.3674863913115431]
  新型コロナウイルス感染症(COVID-19)の世界的な流行が世界中に広がった。 パンデミックに対する公衆の懸念や対応を理解するためには、機械学習技術を利用して無関係なツイートをフィルタリングするシステムが必要である。 本研究では,2020年1月1日から2020年4月30日までの間に,新型コロナウイルスのパンデミックに関連するツイートを識別するシステムを構築した。
  論文  参考訳（メタデータ） (2020-10-31T22:26:26Z)

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。