Журнал «Системы высокой доступности» №3 за 2018 г.
Статья в номере:
Мониторинг чрезвычайных происшествий 1 с помощью анализа данных из социальных сетей
Тип статьи: научная статья
DOI: 10.18127/j20729472-201803-12
УДК: 004.89
Ключевые слова: извлечение информации из текстов выявление событий мониторинг чрезвычайные ситуации поисковоспасательные работы выявление новых тем
Авторы:

Д.А. Девяткин – гл. специалист, ФИЦ «Информатика и управление» РАН (Москва)

E-mail: devyatkin@isa.ru

А.О. Шелманов – к.т.н., науч. сотрудник, ФИЦ «Информатика и управление» РАН (Москва) E-mail: shelmanov@isa.ru

Д.С. Ларионов – студент, РУДН (Москва)

E-mail: dslarionov@protonmail.com

Аннотация:

Исследовано создание прототипа системы для решения задач мониторинга чрезвычайных ситуаций (ЧС) в заданной географической области на основе анализа данных из социальных сетей. Рассмотрена архитектура системы, ее основные компоненты, а также лежащие в их основе методы сбора и анализа текстовой информации. Описаны методы сфокусированного сбора сообщений о ЧС из разнородных источников, извлечения информации из текстов, включая названия географических объектов и наименования морских и речных судов, классификации сообщений, а также методы обнаружения новых ЧС в потоке сообщений и их визуализации на географической карте.

Страницы: 71-75
Список источников
  1. Sixto J., Pena O., Klein B., López-de Ipina D. Enable tweet-geolocation and don’t drive ERTs crazy! Improving situational awareness using Twitter // Proc. of SMERST. 2013. P. 27−31.
  2. Девяткин Д.А., Шелманов А.О. Анализ неструктурированных текстовых данных для поддержки поисково-спасательных работ // Системы высокой доступности. 2015. № 4. С. 45−60.
  3. Devyatkin D. and Shelmanov A. Text processing framework for emergency event detection in the Arctic zone // Communications in Computer and Information Science. 2017. № 706. P. 74−88.
  4. Devyatkin D., Shelmanov A. and Larionov D. Discovering Novel Emergency Events in Text Streams // Proc. of the XX International Conference «Data Analytics and Management in Data Intensive Domains» (DAMDID/RCDL’2018). Moscow, Russia. October 9−12, 2018. [В печати].
  5. Ashktorab Z. et al. Tweedr: Mining twitter to inform disaster response // ISCRAM. 2014.
  6. Carreras X. et al. FreeLing: An Open-Source Suite of Language Analyzers // LREC. 2004. С. 239−242.
  7. Nivre J., Hall J., Nilsson J. Maltparser: A data-driven parser-generator for dependency parsing // Proc. of LREC. 2006. Т. 6. С. 2216−2219.
  8. Tomas Mikolov, Ilya Sutskever, Kai Chen, Greg S Corrado and Jeff Dean Distributed representations of words and phrases and their compositionality // Advances in neural information processing systems. 2013. P. 3111−3119.
  9. Alexandra Olteanu, Carlos Castillo, Fernando Diaz and Sarah Vieweg CrisisLex: A lexicon for collecting and filtering microblogged communications in crises // Proc. of ICWSM. 2014.
  10. Al-Rfou R. et al. Polyglot-NER: Massive multilingual named entity recognition // Proc. of the 2015 SIAM International Conference on Data Mining. Society for Industrial and Applied Mathematics. 2015. С. 586−594.
  11. Osipov G., Smirnov I., Tikhomirov I., Sochenkov I. and Shelmanov A. Exactus expert search and analytical engine for research and development support // Novel Applications of Intelligent Systems. Springer. 2016. P. 269−285.
  12. Ianina A., Golitsyn L. and Vorontsov K. Multi-objective topic modeling for exploratory search in tech news // Conference on Artificial Intelligence and Natural Language. Springer. 2017. P. 181−193.
Дата поступления: 3 августа 2018 г.