留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于社交媒体的突发事件应急信息挖掘与分析

王艳东 李昊 王腾 朱建奇

王艳东, 李昊, 王腾, 朱建奇. 基于社交媒体的突发事件应急信息挖掘与分析[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804
引用本文: 王艳东, 李昊, 王腾, 朱建奇. 基于社交媒体的突发事件应急信息挖掘与分析[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804
WANG Yandong, LI Hao, WANG Teng, ZHU Jianqi. The Mining and Analysis of Emergency Information in Sudden Events Based on Social Media[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804
Citation: WANG Yandong, LI Hao, WANG Teng, ZHU Jianqi. The Mining and Analysis of Emergency Information in Sudden Events Based on Social Media[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804

基于社交媒体的突发事件应急信息挖掘与分析

doi: 10.13203/j.whugis20140804
基金项目: 国家自然科学基金(41271399);测绘地理信息公益性行业科研专项经费(201512015);高等学校博士学科点专项科研基金(20120141110036)。
详细信息
    作者简介:

    王艳东,博士,教授,主要从事城市大数据分析计算相关研究。ydwang@whu.edu.cn

  • 中图分类号: P208

The Mining and Analysis of Emergency Information in Sudden Events Based on Social Media

Funds: The National Natural Science Foundation of China, No. 41271399; the China Special Fund for Surveying, Mapping and Geoinformation Research in the Public Interest, No. 201512015; the Specialized Research Fund for the Doctoral Program of Higher Education, No. 20120141110036.
  • 摘要: 社交媒体越来越多地被看作是随人们移动的传感器,感知周围发生的事件。当突发事件发生时,大量含有位置信息的文字迅速地充斥整个社交网络。本文探讨突发事件应急信息挖掘与分析的一种新思路。基于社交媒体,建立实时应急主题分类模型,从大量、实时的文本流中快速提取、定位应急信息;针对不同主题,利用统计分析和空间分析方法,探寻突发事件的时间趋势和空间分布,为应急响应提供决策支持。
  • [1] Gao S, Liu Y, Wang Y, et al. Discovering Spatial Interaction Communities from Mobile Phone Data[J]. Transactions in GIS, 2013, 17(3): 463-481
    [2] Chen Jia, Hu Bo, Zuo Xiaoqing, et al. Personal Profile Mining Baesd on Mobile Phone Location Data[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6): 734-738(陈佳, 胡波, 左小清, 等. 利用手机定位数据的用户特征挖掘[J]. 武汉大学学报·信息科学版, 2014,39 (6): 734-738)
    [3] Scholz R W, Lu Y. Detection of Dynamic Activity Patterns at a Collective Level from Large-volume Trajectory Data[J]. International Journal of Geographical Information Science, 2014, 28(5): 946-963
    [4] Ren Huijun, Xu Tao, Li Xiang. Driving Behavior Analysis Based on Trajectory Data Collected with Vehicle-mounted GPS Receivers[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6): 739-744(任慧君, 许涛, 李响. 利用车载GPS轨迹数据实现公交车驾驶安全性分析[J]. 武汉大学学报· 信息科学版, 2014, 39(6): 739-744)
    [5] Huang L, Li Q, Yue Y. Activity Identification from GPS Trajectories Using Spatial Temporal Pois' Attractiveness[C]. Proceedings of the ACM Sigspatial International Workshop on Location Based Social Networks, Chicago, USA, 2010
    [6] Seaborn C, Attanucci J, Wilson N H M. Using Smart Card Fare Payment Data to Analyze Multi-Modal Public Transport Journeys in London [C]. The 88th Transportation Research Board Annual Meeting, Washington D C, USA, 2009
    [7] Li L, Goodchild M F, Xu B. Spatial, Temporal, and Socioeconomic Patterns in the Use of Twitter and Flickr[J]. Cartography and Geographic Information Science, 2013, 40(2): 61-77
    [8] Tsou M H, Yang J A, Lusher D, et al. Mapping Social Activities and Concepts with Social Media (Twitter) and Web Search Engines (Yahoo and Bing): A Case Study in 2012 US Presidential Election[J]. Cartography and Geographic Information Science, 2013, 40(4): 337-348
    [9] Signorini A, Segre A M, Polgreen P M. The Use of Twitter to Track Levels of Disease Activity and Public Concern in the US During the Influenza a H1N1 Pandemic[J]. PloS One, 2011, 6(5): e19467
    [10] Achrekar H, Gandhe A, Lazarus R, et al. Predicting Flu Trends Using Twitter Data[C]. 2011 IEEE Conference on Computer Communications Workshops, Shanghai, China, 2011
    [11] Ferrari L, Rosi A, Mamei M, et al. Extracting Urban Patterns from Location-Based Social Networks[C]. The 3rd ACM SIGSPATIAL International Workshop on Location-Based Social Networks, Chicago, USA, 2011
    [12] Frias-Martinez V, Frias-Martinez E. Spectral Clustering for Sensing Urban Land Use Using Twitter Activity[J]. Engineering Applications of Artificial Intelligence, 2014, 35: 237-245
    [13] Wu L, Zhi Y, Sui Z, et al. Intra-urban Human Mobility and Activity Transition: Evidence from Social Media Check-in Data[J]. PloS One, 2014, 9(5), doi: 10.1371/journal.pone.0097010
    [14] Liu Y, Sui Z, Kang C, et al. Uncovering Patterns of Inter-Urban Trip and Spatial Interaction from Social Media Check-in Data[J]. PloS One, 2014, 9(1), doi: 10.1371/journal.pone.0086026
    [15] Hanna R, Rohm A, Crittenden V L. We're all Connected: The Power of the Social Media Ecosystem[J]. Business Horizons, 2011, 54(3): 265-273
    [16] Sakaki T, Okazaki M, Matsuo Y. Tweet Analysis for Real-Time Event Detection and Earthquake Reporting System Development[J]. Knowledge and Data Engineering, IEEE Transactions on, 2013, 25(4): 919-931
    [17] Crooks A, Croitoru A, Stefanidis A, et al. Earthquake: Twitter as a Distributed Sensor System[J]. Transactions in GIS, 2013, 17(1): 124-147
    [18] Blei D M, Ng A Y, Jordan M I. Latent Dirichlet Allocation[J]. The Journal of Machine Learning Research, 2003(3): 993-1 022
    [19] Cortes C, Vapnik V. Support Vector Machine[J]. Machine Learning, 1995, 20(3): 273-297
    [20] Nagel A C, Tsou M H, Spitzberg B H, et al. The Complex Relationship of Realspace Events and Messages in Cyberspace: Case Study of Influenza and Pertussis Using Tweets[J]. Journal of Medical Internet Research, 2013, 15(10),doi: 10.2196/jmir.2705
    [21] Cleveland R B, Cleveland W S, McRae J E, et al. STL: A Seasonal-Trend Decomposition Procedure Based on Loess[J]. Journal of Official Statistics, 1990, 6(1): 3-73
    [22] Ester M, Kriegel H P, Sander J, et al. A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise[C]. Proceedings of the Second International Conference on Knowledge Discovery and Data Mining, Portland, USA, 1996
  • [1] 李军, 刘举庆, 赵学胜, 黄骞, 孙文彬, 许志华, 王昊.  地理格网模型支持下的轨迹数据管理与分析框架:方法与应用 . 武汉大学学报 ● 信息科学版, 2021, 46(5): 640-649. doi: 10.13203/j.whugis20200459
    [2] 徐斌, 张艳.  地下水化学类型分区的GIS空间分析模型 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 866-874. doi: 10.13203/j.whugis20170295
    [3] 何占军, 邓敏, 蔡建南, 刘启亮.  顾及背景知识的多事件序列关联规则挖掘方法 . 武汉大学学报 ● 信息科学版, 2018, 43(5): 766-772. doi: 10.13203/j.whugis20150616
    [4] 舒红, 史文中.  浅谈测量平差到空间数据分析的可靠性理论延伸 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 1979-1985, 1993. doi: 10.13203/j.whugis20180339
    [5] 王艳东, 付小康, 李萌萌.  一种基于共词网络的社交媒体数据主题挖掘方法 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2287-2294. doi: 10.13203/j.whugis20180225
    [6] 王艳东, 荆彤, 姜伟, 王腾, 付小康.  利用社交媒体数据模拟城市空气质量趋势面 . 武汉大学学报 ● 信息科学版, 2017, 42(1): 14-20. doi: 10.13203/j.whugis20150401
    [7] 单杰, 秦昆, 黄长青, 胡翔云, 余洋, 胡庆武, 林志勇, 陈江平, 贾涛.  众源地理数据处理与分析方法探讨 . 武汉大学学报 ● 信息科学版, 2014, 39(4): 390-396. doi: 10.13203/j.whugis20130633
    [8] 张晓祥.  大数据时代的空间分析 . 武汉大学学报 ● 信息科学版, 2014, 39(6): 655-659. doi: 10.13203/j.whugis20140143
    [9] 史文中, 陈江平, 詹庆明, 舒红.  可靠性空间分析初探 . 武汉大学学报 ● 信息科学版, 2012, 37(8): 883-887.
    [10] 沙宗尧, 李晓雷.  异质环境下的空间关联规则挖掘 . 武汉大学学报 ● 信息科学版, 2009, 34(12): 1480-1484.
    [11] 刘耀林, 唐旭, 何建华.  基于数据场的空间分析技术及其在土地定级中的应用 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1009-1013.
    [12] 马荣华, 何增友.  从空间数据库中挖掘频繁邻近类别集的一种新算 . 武汉大学学报 ● 信息科学版, 2007, 32(2): 112-114.
    [13] 葛小三.  基于网格技术的空间知识发现与数据挖掘研究 . 武汉大学学报 ● 信息科学版, 2006, 31(12): 1105-1107.
    [14] 马荣华, 何增友.  从GIS数据库中挖掘空间离群点的一种高效算法 . 武汉大学学报 ● 信息科学版, 2006, 31(8): 679-682.
    [15] 田扬戈, 边馥苓.  基于概念聚类和面向属性归纳的区划分析 . 武汉大学学报 ● 信息科学版, 2005, 30(1): 86-88.
    [16] 唐旭, 刘耀林, 汪普查.  城市地价动态变化监测的空间分析方法研究 . 武汉大学学报 ● 信息科学版, 2004, 29(6): 517-520,524.
    [17] 陈军, 赵仁亮, 乔朝飞.  基于Voronoi图的GIS空间分析研究 . 武汉大学学报 ● 信息科学版, 2003, 28(S1): 32-37.
    [18] 马飞, 李德仁.  数学形态学在GIS空间分析中的应用 . 武汉大学学报 ● 信息科学版, 1996, 21(1): 41-45,49.
    [19] 林森, 刘蓓蓓, 李建文, 刘旭, 秦昆, 郭桂祯.  基于BERT迁移学习模型的地震灾害社交媒体信息分类研究 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20220167
    [20] 林安琪, 吴浩, 韩磊, 岑鲁豫.  面向非洲猪瘟疫情的社交媒体信息提取与舆情挖掘 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20210406
  • 加载中
计量
  • 文章访问数:  2109
  • HTML全文浏览量:  120
  • PDF下载量:  1081
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-10-29
  • 刊出日期:  2016-03-05

基于社交媒体的突发事件应急信息挖掘与分析

doi: 10.13203/j.whugis20140804
    基金项目:  国家自然科学基金(41271399);测绘地理信息公益性行业科研专项经费(201512015);高等学校博士学科点专项科研基金(20120141110036)。
    作者简介:

    王艳东,博士,教授,主要从事城市大数据分析计算相关研究。ydwang@whu.edu.cn

  • 中图分类号: P208

摘要: 社交媒体越来越多地被看作是随人们移动的传感器,感知周围发生的事件。当突发事件发生时,大量含有位置信息的文字迅速地充斥整个社交网络。本文探讨突发事件应急信息挖掘与分析的一种新思路。基于社交媒体,建立实时应急主题分类模型,从大量、实时的文本流中快速提取、定位应急信息;针对不同主题,利用统计分析和空间分析方法,探寻突发事件的时间趋势和空间分布,为应急响应提供决策支持。

English Abstract

王艳东, 李昊, 王腾, 朱建奇. 基于社交媒体的突发事件应急信息挖掘与分析[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804
引用本文: 王艳东, 李昊, 王腾, 朱建奇. 基于社交媒体的突发事件应急信息挖掘与分析[J]. 武汉大学学报 ● 信息科学版, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804
WANG Yandong, LI Hao, WANG Teng, ZHU Jianqi. The Mining and Analysis of Emergency Information in Sudden Events Based on Social Media[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804
Citation: WANG Yandong, LI Hao, WANG Teng, ZHU Jianqi. The Mining and Analysis of Emergency Information in Sudden Events Based on Social Media[J]. Geomatics and Information Science of Wuhan University, 2016, 41(3): 290-297. doi: 10.13203/j.whugis20140804
参考文献 (22)

目录

    /

    返回文章
    返回