Conclusions Social media messages a

Conclusions
Social media messages are rich in content, capturing and reflecting many aspects of individual lives, experiences, behaviors, and reactions to a specific topic or event. Therefore, these messages can be used to monitor and track geopolitical and disaster events, support emergency response and coordination, and serve as a measure of public interest or concern about events. This work presents a coding schema for separating social media messages into different themes within different disaster stages. A number of standard text mining techniques are experimentally used to classify the collected tweets during a disaster, Hurricane Sandy in 2012. A logistic regression classifier is selected to train and automatically categorize the messages into our predefined categories. The classifier can achieve an overall precision of 0.647 on average. As introduced in Section 3.3, a few categories whose sample sizes are too small (less than 20 tweets) to train the classifier are discarded. Additionally, a few themes that include too small-sized samples (less than 20 tweets) to train the classifier are discarded (preparedness.plans). Some categories of similar topics are combined. In the future, a more sophisticated classification model that can handle unbalanced data may be developed to increase the classification accuracy. Different combinations of similar themes may be also tested to obtain better accuracy. Additionally, actionable information should be extracted for each disaster phase rather than response phase. For example, we could extract the open stores available for stocking up on disaster essentials and restoring daily supplies before and after disasters, which were less examined in previous studies.

ผลลัพธ์ (ไทย) 1:

บทสรุป ข้อความสื่อสังคมอุดมไปด้วยเนื้อหา การถ่ายภาพ และสะท้อนหลายแง่มุมของแต่ละชีวิต ประสบการณ์ พฤติกรรม และปฏิกิริยาไปหัวข้อเฉพาะหรือกิจกรรม ดังนั้น ข้อความเหล่านี้สามารถใช้ในการตรวจสอบ และติดตามภูมิศาสตร์การเมือง และเหตุการณ์ภัยพิบัติ สนับสนุนฉุกเฉิน และประสานงาน และเป็นวัดประชาชนสนใจหรือกังวลเกี่ยวกับเหตุการณ์นี้ งานนี้นำเสนอแบบแผนเขียนโปรแกรมสำหรับแยกข้อความสื่อสังคมเป็นรูปแบบที่แตกต่างกันในขั้นภัยพิบัติต่าง ๆ เทคนิคการทำเหมืองข้อความมาตรฐานจำนวนสมมติฐานใช้เพื่อจัดประเภททวีรวบรวมในระหว่างภัยพิบัติ ทรายพายุเฮอริเคนใน 2012 ลักษณนามการถดถอยโลจิสติกการเลือก และจัดประเภทข้อความที่เป็นประเภทของเรากำหนดไว้ล่วงหน้าโดยอัตโนมัติ ลักษณนามสามารถบรรลุ 0.647 วนโดยรวมเฉลี่ย เช่นแนะนำในส่วนที่ 3.3 กี่ประเภทที่มีขนาดตัวอย่างมีขนาดเล็กเกินไป (น้อยกว่า 20 ทวี) ฝึกลักษณนามจะถูกละทิ้ง นอกจากนี้ ชุดรูปแบบบางที่มีขนาดเล็กเกินไปตัวอย่าง (น้อยกว่า 20 ทวี) ฝึกลักษณนาม จะทิ้ง (preparedness.plans) บางประเภทของหัวข้อที่คล้ายกันจะรวมกัน ในอนาคต แบบจัดประเภทซับซ้อนที่สามารถจัดการข้อมูลไม่สมดุลย์อาจพัฒนาขึ้นเพื่อเพิ่มความถูกต้องของประเภท แตกต่างของรูปแบบที่คล้ายกันอาจได้รับการทดสอบยังรับความแม่นยำ นอกจากนี้ ดำเนินข้อมูลควรแยกสำหรับแต่ละเฟสภัยพิบัติมากกว่าขั้นตอนการตอบสนอง ตัวอย่างเช่น เราอาจแยกร้านค้าเปิดบริการสำหรับถุงขึ้นบนสิ่งจำเป็นสำหรับภัยพิบัติ และการคืนทุกวันก่อน และหลังจากภัยพิบัติ ซึ่งมีการศึกษาน้อยกว่าก่อนหน้านี้ที่ตรวจสอบใน

ผลลัพธ์ (ไทย) 2:

สรุปผลการวิจัย
สังคมสื่อข้อความที่อุดมไปด้วยเนื้อหาที่สะท้อนให้เห็นถึงการจับและหลายแง่มุมของชีวิตของแต่ละประสบการณ์พฤติกรรมและปฏิกิริยากับหัวข้อที่เฉพาะเจาะจงหรือเหตุการณ์ ดังนั้นข้อความเหล่านี้สามารถนำมาใช้ในการตรวจสอบและติดตามการทางการเมืองและภัยกิจกรรมสนับสนุนการตอบสนองฉุกเฉินและการประสานงานและทำหน้าที่เป็นตัวชี้วัดของผลประโยชน์ของประชาชนหรือความกังวลเกี่ยวกับเหตุการณ์ที่เกิดขึ้น งานนี้มีการจัดสคีเข้ารหัสสำหรับการแยกข้อความสื่อสังคมในรูปแบบที่แตกต่างกันภายในขั้นตอนภัยพิบัติที่แตกต่างกัน จำนวนของเทคนิคการทำเหมืองข้อความเป็นมาตรฐานจะใช้ในการทดลองที่จะจัดทวีตที่เก็บรวบรวมได้ในช่วงภัยพิบัติพายุเฮอริเคนแซนดี้ในปี 2012 ลักษณนามถดถอยโลจิสติถูกเลือกในการฝึกอบรมโดยอัตโนมัติและจัดหมวดหมู่ข้อความเป็นหมวดหมู่ที่กำหนดไว้ล่วงหน้าของเรา ลักษณนามสามารถบรรลุความแม่นยำโดยรวมของค่าเฉลี่ย 0.647 เป็นที่รู้จักในมาตรา 3.3 ไม่กี่ประเภทที่มีขนาดตัวอย่างมีขนาดเล็กเกินไป (น้อยกว่า 20 ทวีต) ในการฝึกอบรมลักษณนามจะถูกยกเลิก นอกจากนี้รูปแบบที่มีไม่กี่ตัวอย่างขนาดเล็กเกินไป (น้อยกว่า 20 ทวีต) ในการฝึกอบรมลักษณนามจะถูกยกเลิก (preparedness.plans) บางประเภทของหัวข้อที่คล้ายกันจะรวมกัน ในอนาคตรูปแบบการจัดหมวดหมู่ความซับซ้อนมากขึ้นที่สามารถจัดการกับข้อมูลที่ไม่สมดุลอาจได้รับการพัฒนาเพื่อเพิ่มความแม่นยำการจัดหมวดหมู่ แตกต่างกันของรูปแบบที่คล้ายกันอาจจะยังผ่านการทดสอบเพื่อให้ได้ถูกต้องดีกว่า นอกจากนี้ข้อมูลดำเนินการควรจะสกัดสำหรับขั้นตอนการเกิดภัยพิบัติในแต่ละขั้นตอนมากกว่าการตอบสนอง ตัวอย่างเช่นเราสามารถดึงร้านค้าเปิดให้บริการสำหรับการปล่อยขึ้นไปบน Essentials ภัยพิบัติและการฟื้นฟูวัสดุทุกวันก่อนและหลังการเกิดภัยพิบัติซึ่งมีการตรวจสอบน้อยลงในการศึกษาก่อนหน้านี้

ผลลัพธ์ (ไทย) 3:

สรุปข้อความสื่อสังคมที่อุดมไปด้วยเนื้อหาที่เข้าถึงและสะท้อนหลาย ๆด้านของชีวิต แต่ละประสบการณ์ พฤติกรรมและปฏิกิริยากับหัวข้อที่เฉพาะเจาะจง หรือ เหตุการณ์ ดังนั้น ข้อความเหล่านี้สามารถใช้ในการตรวจสอบและติดตามเหตุการณ์ทางการเมืองและภัยธรรมชาติ การตอบสนองฉุกเฉิน สนับสนุน และประสานงาน และเป็นวัดที่น่าสนใจของประชาชนหรือปัญหาเกี่ยวกับเหตุการณ์ งานนี้นำเสนอการเข้ารหัสสามารถแยกข้อความสื่อสังคมในรูปแบบต่าง ๆ ภายในระยะภัยพิบัติต่าง ๆ จำนวนของเทคนิคการทำเหมืองข้อความมาตรฐานที่ใช้เพื่อแยกเก็บทวีตในช่วงภัยพิบัติ พายุทรายใน 2012 เป็นแบบถดถอยโลจิสติกที่ฝึกโดยอัตโนมัติและการจัดข้อความเป็นประเภทที่กำหนดไว้ล่วงหน้าของเรา การจำแนกสามารถบรรลุความแม่นยำโดย 0.647 เฉลี่ย ตามที่แนะนำในส่วน 3.3 , ไม่กี่ประเภทที่มีขนาดตัวอย่างมีขนาดเล็ก ( น้อยกว่า 20 ครั้ง ) เพื่อฝึกตัวที่ถูกทิ้ง . นอกจากนี้ หลายรูปแบบ ได้แก่ ด้วยตัวอย่างขนาดเล็ก ( น้อยกว่า 20 ครั้ง ) เพื่อฝึกตัวที่ถูกทิ้ง ( แผนการเตรียมความพร้อม ) บางประเภทของหัวข้อที่คล้ายกันจะรวมกัน ในอนาคต รูปแบบประเภทที่ซับซ้อนมากขึ้นที่สามารถจัดการกับความไม่สมดุลข้อมูลอาจถูกพัฒนาขึ้นเพื่อเพิ่มความแม่นยำในการจำแนก . ชุดค่าผสมที่แตกต่างกันของรูปแบบที่คล้ายกันอาจจะทดสอบเพื่อให้ได้ความถูกต้องดีกว่า นอกจากนี้ ข้อมูลที่ปลอดภัย ควรแยกแต่ละเฟสภัยพิบัติมากกว่าระยะการตอบสนอง ตัวอย่างเช่นเราสามารถสกัดร้านค้าเปิดบริการถุงเท้ายาวขึ้นบนวัสดุที่จำเป็นและการกู้คืนภัยพิบัติทุกวันก่อนและหลังภัยพิบัติ ซึ่งน้อยกว่าการตรวจสอบในการศึกษาก่อนหน้านี้ .