تدعم المعلومات الدقيقة والحديثة والسريعة المتعلقة بأي كارثة فريق/سلطات إدارة الكوارث لتنفيذ استجابة سريعة وسهلة وفعالة من حيث التكلفة لتعزيز عمليات الإنقاذ بهدف التخفيف من الخسائر المحتملة في الأرواح والمخاطر المالية والممتلكات. ونظرًا لتضرر البنية التحتية في المناطق المتضررة من الكوارث، تعد وسائل التواصل الاجتماعي الطريقة الوحيدة لمشاركة/تبادل المعلومات في الوقت الفعلي. لذلك، أصبحت منصة 'X' (المعروفة سابقًا باسم Twitter) منصة رئيسية لنشر المعلومات في الوقت الفعلي أثناء أحداث الكوارث أو حالات الطوارئ، مثل الفيضانات والزلازل. ويعد التحديد السريع للمحتوى القابل للتنفيذ أمرًا بالغ الأهمية للاستجابة الإنسانية الفعالة؛ ومع ذلك، فإن الطبيعة المقتضبة والصاخبة للتغريدات تجعل التصنيف الآلي أمرًا صعبًا. ولمعالجة هذه المشكلة، تقترح هذه الدراسة إطار تصنيف هجين يدمج ميزات تكرار المصطلح–معكوس تكرار الوثيقة (TF-IDF) مع الشبكات العصبونية الالتفافية الرسومية (GCNs) لتعزيز تحليل التغريدات المتعلقة بالكوارث. يؤدي النموذج المقترح ثلاث مهام تصنيفية: تحديد التغريدات المتعلقة بالكوارث (محققًا دقة بلغت 94.47%)، وتصنيف أنواع الكوارث (زلزال، فيضان، وغير كوارث) بدقة بلغت 91.78%، واكتشاف طلبات المساعدة مثل الغذاء والتبرعات والمساعدة الطبية (بدقة 94.64%). ومن خلال الجمع بين نقاط القوة الإحصائية لـ TF-IDF وقدرات التعلم العلائقي لـ GCNs، يحقق النموذج دقة عالية مع الحفاظ على الكفاءة الحسابية وقابلية التفسير. وتوضح النتائج الإمكانات القوية للإطار في الاستجابة للكوارث في الوقت الفعلي، مما يقدم رؤى قيمة لدعم أنظمة إدارة الطوارئ وصنع القرار الإنساني.
درس Nath et al. (Thu,) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: