社交媒体中城市内涝信息提取与分析
发布时间：2021-10-10 12:30
全球环境变暖的背景下,极端天气频繁发生。由于短时强降水天气导致的城市内涝会对城市的交通运输、居民出行等产生诸多影响,严重时会导致财产损失和人员伤亡。目前城市内涝监测主要是利用监测点的设备进行监测,覆盖范围小,很难获取积水所造成的影响信息,需要利用其它渠道进行补充。社交媒体由于其实时性和来源的广泛性,越来越多的应用在灾害监测中,对灾情响应和评估具有重要意义。本文利用上海市20162018年三年的新浪微博数据,研究如何从庞杂的微博数据中提取城市内涝相关微博以及从微博文本中提取地址信息,并对提取结果进行分析和验证。本文的研究内容及取得的成果主要包括以下三个方面:（1）城市内涝相关微博提取。微博文本具有非结构化、表述多样性、不规范性等特点,准确提取某个主题的微博存在很大难度。本文基于深度学习中的文本相似度分析方法,从语料库中查找与内涝相关的相似词,并在此基础上筛选出城市内涝灾情关键词。利用城市内涝灾情关键词从微博数据中提取出城市内涝相关微博,与单纯使用“内涝”和“积水”关键词进行提取相比,能提取出更多内涝相关的微博。（2）微博文本内涝地点提取。与微博签到地址相比,微博文本...
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
北京7.21暴雨内涝点分布图[4]
华东师范大学硕士学位论文1第1章绪论1.1研究背景及意义城市内涝是指由于短时间强降水导致的积水无法排除，而发生在城市中的区域性积水灾害问题。根据国家住建部2010年的调查，在2008~2010年间，我国有大约62%的城市遭受过不同程度的暴雨内涝的袭击[1]。一般情况下，城市内涝会对城市的交通运输、居民出行产生诸多的阻碍，严重时甚至会导致财产损失和人员伤亡。如2012年7月21日，北京市遭遇特大暴雨事件，导致城市内出现大面积积水，道路中断、车辆被淹（图1-1），部分被困人员不幸伤亡[2]。2016年7月24日，西安暴雨导致交通瘫痪、地铁站雨水倒灌（图1-2），有出行居民不幸积水中触电身亡[3]。图1-1北京7.21暴雨内涝点分布图[4]图1-2西安7.24暴雨导致交通瘫痪（左）、地铁站雨水倒灌（右）[5,6]
华东师范大学硕士学位论文4网络视频等具有信息传递功能的应用（表1-1）[25]。表1-1互联网部分应用使用情况（2019）社交媒体是用户分享各类信息的平台，如微信、Blog、bilibili、新浪微博等，与其它信息获取手段相比，社交媒体信息的来源渠道更广泛，信息的实时性更强，大部分网民更喜欢利用社交媒体在第一时间发布获取到的信息[26]。图1-3微博数据示例社交媒体凭借着上述优点越来越多的被应用在灾害监测的研究中，而新浪微博（图1-3）是应用的最为广泛的一种数据。如张岩等人利用微博数据，基于多种自然语言分析模型，研究台风“山竹”的登陆对公众造成的影响[27]。邬群勇等人对台风灾情的空间位置信息进行研究，将微博签到位置、用户注册位置、文本隐含位置进行对比[28]。杜涵为了分析地震灾情的分析，使用了游戏在线人数和微博文本，来快速分析地震灾害对特定地区的基础设施的破坏程度、网络连接的恢复情况等[29]。梁春阳等人对微博数据中的文本数据进行文本分类，构建灾情点事2018.122019.6应用用户规模（亿）网民使用率用户规模（亿）网民使用率即时通信7.9195.6%8.2496.5%搜索引擎6.8182.2%6.9581.3%网络新闻6.7481.4%6.8680.3%网络视频（含短视频）7.2587.5%7.5988.8%
【参考文献】：
期刊论文
[1]基于Bi-LSTM-CRF的商业领域命名实体识别[J]. 丁晟春,方振,王楠. 现代情报. 2020(03)
[2]基于Huffman-LDA和Weight-Word2vec的文本表示模型研究[J]. 黄春雨,胡迪,邱宁佳,孙爽滋. 长春理工大学学报(自然科学版). 2020(01)
[3]城市内涝灾害受灾人口评估方法与实证研究:以哈尔滨市道里区为例[J]. 陈鹏,赵洪阳,张继权,张硕,鲍建华,刘晓静. 地理科学. 2020(01)
[4]微博数据位置信息反映台风灾情的有效性分析[J]. 邬群勇,裘钰娇. 测绘科学技术学报. 2019(04)
[5]多神经网络协作的军事领域命名实体识别[J]. 尹学振,赵慧,赵俊保,姚婉薇,黄泽林. 清华大学学报(自然科学版). 2020(08)
[6]南宁城市内涝分布特征及其监测预警系统应用分析[J]. 黄丹萍,白龙. 防灾科技学院学报. 2019(04)
[7]基于PSR和AHP方法的西安市城市内涝脆弱性评价体系构建与脆弱度评估[J]. 黄曦涛,李怀恩,张瑜,杨晓锋,陈思宇. 自然灾害学报. 2019(06)
[8]基于《上海市城市总体规划（2017-2035）》的上海土地利用多功能性评价框架研究[J]. 马俊. 住宅与房地产. 2019(34)
[9]基于HMM的算法优化在中文分词中的应用[J]. 朱咸军,洪宇,黄雅琳,张馨予,肖芳雄. 金陵科技学院学报. 2019(03)
[10]基于Python的中文结巴分词技术实现[J]. 曾小芹. 信息与电脑(理论版). 2019(18)
博士论文
[1]基于词向量的文本倾向分析的向量表示方法研究[D]. 周婉婷.东北师范大学 2019
[2]基于社交媒体的地震灾情数据挖掘与烈度快速评估应用[D]. 薄涛.中国地震局工程力学研究所 2018
[3]城市社区暴雨内涝灾害风险评估研究[D]. 张振国.上海师范大学 2014
[4]基于微博平台的事件趋势分析及预测研究[D]. 田野.武汉大学 2012
[5]典型沿海城市暴雨内涝灾害风险评估研究[D]. 权瑞松.华东师范大学 2012
硕士论文
[1]肿瘤电子病历数据抽取与挖掘技术的研究与应用[D]. 刘焕.青岛科技大学 2019
[2]基于注意力机制的命名实体识别算法研究[D]. 李延昀.北京邮电大学 2019
[3]基于和谐竞争自编码的文本表示学习研究[D]. 高远.哈尔滨工业大学 2019
[4]“莫兰蒂”强台风期间厦门大学区域暴雨积涝数值模拟研究[D]. 唐步兴.南京信息工程大学 2019
[5]基于神经网络的城市内涝点降雨积水预测研究[D]. 张梦.华南理工大学 2019
[6]基于互联网多源大数据的区域地震灾情快速分析[D]. 杜涵.大连理工大学 2019
[7]基于社交媒体的灾害事件提取与时空分析[D]. 李想.兰州交通大学 2018
[8]暴雨灾害中公众持续使用微博获取灾害信息意愿的影响因素研究[D]. 成升.武汉大学 2017
[9]基于隐式马尔科夫模型的法律命名实体识别模型的设计与应用[D]. 周晓辉.华南理工大学 2017
[10]开源中文分词器的比较研究[D]. 黄翼彪.郑州大学 2013
本文编号：3428383
【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
北京7.21暴雨内涝点分布图[4]
华东师范大学硕士学位论文1第1章绪论1.1研究背景及意义城市内涝是指由于短时间强降水导致的积水无法排除，而发生在城市中的区域性积水灾害问题。根据国家住建部2010年的调查，在2008~2010年间，我国有大约62%的城市遭受过不同程度的暴雨内涝的袭击[1]。一般情况下，城市内涝会对城市的交通运输、居民出行产生诸多的阻碍，严重时甚至会导致财产损失和人员伤亡。如2012年7月21日，北京市遭遇特大暴雨事件，导致城市内出现大面积积水，道路中断、车辆被淹（图1-1），部分被困人员不幸伤亡[2]。2016年7月24日，西安暴雨导致交通瘫痪、地铁站雨水倒灌（图1-2），有出行居民不幸积水中触电身亡[3]。图1-1北京7.21暴雨内涝点分布图[4]图1-2西安7.24暴雨导致交通瘫痪（左）、地铁站雨水倒灌（右）[5,6]
华东师范大学硕士学位论文4网络视频等具有信息传递功能的应用（表1-1）[25]。表1-1互联网部分应用使用情况（2019）社交媒体是用户分享各类信息的平台，如微信、Blog、bilibili、新浪微博等，与其它信息获取手段相比，社交媒体信息的来源渠道更广泛，信息的实时性更强，大部分网民更喜欢利用社交媒体在第一时间发布获取到的信息[26]。图1-3微博数据示例社交媒体凭借着上述优点越来越多的被应用在灾害监测的研究中，而新浪微博（图1-3）是应用的最为广泛的一种数据。如张岩等人利用微博数据，基于多种自然语言分析模型，研究台风“山竹”的登陆对公众造成的影响[27]。邬群勇等人对台风灾情的空间位置信息进行研究，将微博签到位置、用户注册位置、文本隐含位置进行对比[28]。杜涵为了分析地震灾情的分析，使用了游戏在线人数和微博文本，来快速分析地震灾害对特定地区的基础设施的破坏程度、网络连接的恢复情况等[29]。梁春阳等人对微博数据中的文本数据进行文本分类，构建灾情点事2018.122019.6应用用户规模（亿）网民使用率用户规模（亿）网民使用率即时通信7.9195.6%8.2496.5%搜索引擎6.8182.2%6.9581.3%网络新闻6.7481.4%6.8680.3%网络视频（含短视频）7.2587.5%7.5988.8%
【参考文献】：
期刊论文
[1]基于Bi-LSTM-CRF的商业领域命名实体识别[J]. 丁晟春,方振,王楠. 现代情报. 2020(03)
[2]基于Huffman-LDA和Weight-Word2vec的文本表示模型研究[J]. 黄春雨,胡迪,邱宁佳,孙爽滋. 长春理工大学学报(自然科学版). 2020(01)
[3]城市内涝灾害受灾人口评估方法与实证研究:以哈尔滨市道里区为例[J]. 陈鹏,赵洪阳,张继权,张硕,鲍建华,刘晓静. 地理科学. 2020(01)
[4]微博数据位置信息反映台风灾情的有效性分析[J]. 邬群勇,裘钰娇. 测绘科学技术学报. 2019(04)
[5]多神经网络协作的军事领域命名实体识别[J]. 尹学振,赵慧,赵俊保,姚婉薇,黄泽林. 清华大学学报(自然科学版). 2020(08)
[6]南宁城市内涝分布特征及其监测预警系统应用分析[J]. 黄丹萍,白龙. 防灾科技学院学报. 2019(04)
[7]基于PSR和AHP方法的西安市城市内涝脆弱性评价体系构建与脆弱度评估[J]. 黄曦涛,李怀恩,张瑜,杨晓锋,陈思宇. 自然灾害学报. 2019(06)
[8]基于《上海市城市总体规划（2017-2035）》的上海土地利用多功能性评价框架研究[J]. 马俊. 住宅与房地产. 2019(34)
[9]基于HMM的算法优化在中文分词中的应用[J]. 朱咸军,洪宇,黄雅琳,张馨予,肖芳雄. 金陵科技学院学报. 2019(03)
[10]基于Python的中文结巴分词技术实现[J]. 曾小芹. 信息与电脑(理论版). 2019(18)
博士论文
[1]基于词向量的文本倾向分析的向量表示方法研究[D]. 周婉婷.东北师范大学 2019
[2]基于社交媒体的地震灾情数据挖掘与烈度快速评估应用[D]. 薄涛.中国地震局工程力学研究所 2018
[3]城市社区暴雨内涝灾害风险评估研究[D]. 张振国.上海师范大学 2014
[4]基于微博平台的事件趋势分析及预测研究[D]. 田野.武汉大学 2012
[5]典型沿海城市暴雨内涝灾害风险评估研究[D]. 权瑞松.华东师范大学 2012
硕士论文
[1]肿瘤电子病历数据抽取与挖掘技术的研究与应用[D]. 刘焕.青岛科技大学 2019
[2]基于注意力机制的命名实体识别算法研究[D]. 李延昀.北京邮电大学 2019
[3]基于和谐竞争自编码的文本表示学习研究[D]. 高远.哈尔滨工业大学 2019
[4]“莫兰蒂”强台风期间厦门大学区域暴雨积涝数值模拟研究[D]. 唐步兴.南京信息工程大学 2019
[5]基于神经网络的城市内涝点降雨积水预测研究[D]. 张梦.华南理工大学 2019
[6]基于互联网多源大数据的区域地震灾情快速分析[D]. 杜涵.大连理工大学 2019
[7]基于社交媒体的灾害事件提取与时空分析[D]. 李想.兰州交通大学 2018
[8]暴雨灾害中公众持续使用微博获取灾害信息意愿的影响因素研究[D]. 成升.武汉大学 2017
[9]基于隐式马尔科夫模型的法律命名实体识别模型的设计与应用[D]. 周晓辉.华南理工大学 2017
[10]开源中文分词器的比较研究[D]. 黄翼彪.郑州大学 2013
本文编号：3428383
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3428383.html
