기계 학습 알고리즘을 이용한 자연재해 관련 트윗 분류

전통적인 방법에 따른 소셜 네트워크에서 추출한 텍스트 식별 및 분류는 매우 복잡합니다. 최근 몇 년 동안 컴퓨터 과학은 기하급수적으로 발전하여 소셜 네트워크, 특히 트위터에서 추출한 텍스트를 식별하고 분류하는 데 크게 기여하고 있습니다. 본 연구는 해시태그 #NaturalDisasters가 포함된 트윗을 통해 실제 자연재해와 관련된 트윗을 식별, 분류 및 분석하는 것을 목표로 하며, Bernoulli Naive Bayes (BNB), Multinomial Naive Bayes (MNB), Logistic Regression (LR), K-Nearest Neighbors (KNN), Decision Tree (DT), Random Forest (RF)와 같은 기계 학습(ML) 알고리즘을 사용합니다. 첫째, 자연재해 관련 트윗을 식별하여 훈련을 위한 122,000개의 지리 위치가 포함된 트윗 데이터셋을 생성하였습니다. 둘째, 어근 추출과 표제어 추출 기법을 적용하여 데이터 정리 과정을 수행하였습니다. 셋째, 데이터에 대한 초기 이해를 얻기 위해 탐색적 데이터 분석(EDA)을 수행하였습니다. 넷째, BNB, MNB, LR, KNN, DT 및 RF 모델의 훈련 및 테스트 과정을 시작하였으며, 이와 같은 작업을 위한 도구와 라이브러리를 사용하였습니다. 훈련된 모델의 결과는 최적의 성능을 보여주었습니다: BNB, MNB 및 LR 모델은 87%의 정확도에 해당하는 성능을 달성하였고, KNN, DT 및 RF 모델은 각각 82%, 75%, 86%의 성능을 기록하였습니다. 그러나 BNB, MNB 및 LR 모델은 처리 시간, 테스트 정확도, 정밀도 및 F1 점수와 같은 측정항목에서 성능이 더 뛰어났습니다. 이는 훈련된 데이터셋을 기반으로 하여 텍스트 분류기 측면에서 가장 우수하다는 것을 나타냅니다.