時間的知識グラフを用いた多様な災害検出のためのGNNモデルの適用

予期しない災害が増加するにつれて、死傷者数や経済的損害が増加しています。したがって、災害を予測し対応するためのデータの収集と処理の努力がなされています。しかし、特定の災害から収集されるデータは膨大で多様であるため、災害の初期段階で正確な災害タイプとその状況を特定することが難しいです。そのため、本論文では、最初に災害をその特性に基づいて六つのカテゴリーに分類し、これらの特性を含むように私たちのOntologyベースの時間的知識グラフを拡張します。最後に、時間的知識グラフから災害を検出するために、グラフニューラルネットワーク（GNN）や他の深層学習技術が有用です。評価のために、六つのカテゴリーに属する四つの災害を選定し、それぞれの災害のために時間的知識グラフを構築しました。そして、構築したグラフから災害がどれほど速く検出できるかを見るために、グラフ畳み込みネットワーク（GCN）、SageConv、グラフ注意ネットワーク（GAT）を含む三つのGNNモデルをテストしました。私たちの実験結果は、時間的な災害知識グラフがさまざまな災害の特性を正確に表現し、災害現場で収集された異種データから災害を検出することを可能にすることを示しています。