基于文本大数据的地震应急的知识发现
发布时间：2021-03-08 09:01
地震是威胁人类生命财产安全的重大自然灾害之一,地震应急是在震后应急期内人们所采取的减少人员伤亡及经济损失的紧急应对措施。决策者如何根据地震应急知识快速做出有效决策,将民众的生命财产损失降至最低是地震应急的关键。地震应急的知识发现模型的构建是地震应急知识领域的核心科学问题之一,如何在种类繁多、内容繁杂的数据中,研究减少先验知识的依赖和支持下的地震应急的知识发现至关重要。目前地震应急知识领域主要聚焦于知识获取与知识处理,涉及数据多为文本数据,仅关注领域内部分专业点分析,缺少对整个地震应急领域的梳理分析且可视化表达效果较差。已有知识发现方法中统计学习的方法主要依靠有限的历史案例知识,而基于机器学习与神经计算的方法则需要专家先验知识作为支撑,可视化分析方法更多的是辅助知识表现,直接作为知识发现的手段则略显单一。因此,本文提出一种基于文本大数据的地震应急的知识发现模型。首先收集与地震应急相关的学术文献数据集和社交媒体数据集,然后利用CiteSpace分析工具及形式概念分析方法提取高频关键词及其关联关系,以词频联系作为它们之间关系的强度,构建地震应急知识的复杂网络,以对网络进行社区划分研究,并通过...
【文章来源】：兰州交通大学甘肃省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
研究技术路线图
基于文本大数据的地震应急的知识发现-12-（1）按照不同的分类标准，可将复杂网络划分为图2.1所示不同类型的社区结构[67]：图2.1复杂网络社区结构1）强社区：社区内部节点的连接数目均大于与社区外节点的连接数目。2）弱社区：存在社区内部节点的连接数目小于与社区外节点的连接数目。3）静态社区：不具备演化能力的固定社区。4）动态社区：随时间演化而动态变化的社区。5）非重叠社区：网络中任意节点只属于一个社区。6）脆性重叠社区：重叠节点隶属于强度相同的不同社区。7）模糊重叠社区：重叠节点隶属于强度不同的不同社区。本文研究社区均为静态社区、非重叠社区，社区多数为强社区。（2）目前社区划分算法可分为传统与新模型两大类，如图2.2所示[68]：图2.2复杂网络社区划分算法
基于文本大数据的地震应急的知识发现-12-（1）按照不同的分类标准，可将复杂网络划分为图2.1所示不同类型的社区结构[67]：图2.1复杂网络社区结构1）强社区：社区内部节点的连接数目均大于与社区外节点的连接数目。2）弱社区：存在社区内部节点的连接数目小于与社区外节点的连接数目。3）静态社区：不具备演化能力的固定社区。4）动态社区：随时间演化而动态变化的社区。5）非重叠社区：网络中任意节点只属于一个社区。6）脆性重叠社区：重叠节点隶属于强度相同的不同社区。7）模糊重叠社区：重叠节点隶属于强度不同的不同社区。本文研究社区均为静态社区、非重叠社区，社区多数为强社区。（2）目前社区划分算法可分为传统与新模型两大类，如图2.2所示[68]：图2.2复杂网络社区划分算法
【参考文献】：
期刊论文
[1]社交媒体先行者Twitter兴盛与困境[J]. 曹京. 合作经济与科技. 2020(11)
[2]基于机器学习的汶川震区滑坡灾害气象预警模型研究[J]. 黄露. 测绘学报. 2020(02)
[3]基于统计方法从文本中抽取分词词典[J]. 黄超. 电脑知识与技术. 2020(04)
[4]基于形式概念分析的灾害应急知识模型研究——以灾害应急专题图组为例[J]. 张晓辉,刘涛. 地理与地理信息科学. 2020(01)
[5]基于知识图谱的智群计算国内外研究可视化分析[J]. 黄雪娟,刘金硕,姚昱. 计算机应用与软件. 2019(12)
[6]基于社交媒体共词网络的灾情发展态势探测方法[J]. 王艳东,李萌萌,付小康,邵世维,刘辉. 武汉大学学报(信息科学版). 2020(05)
[7]基于灾害全过程的公众对于气象防灾减灾信息的需求分析——基于78287份调查问卷的实证[J]. 谭玲,叶汶华,吴先华,刘亮. 灾害学. 2019(04)
[8]中国互联网发展报告（2019）精华版节选[J]. 互联网天地. 2019(08)
[9]利用卷积神经网络提取微博中的暴雨灾害信息[J]. 刘淑涵,王艳东,付小康. 地球信息科学学报. 2019(07)
[10]城市安全研究知识图谱的可视化分析[J]. 王义保,杨婷惠. 城市发展研究. 2019(03)
博士论文
[1]突发事件应急管理知识系统演化研究[D]. 李春娟.燕山大学 2015
[2]复杂网络社区发现若干问题研究[D]. 姜雅文.北京交通大学 2014
硕士论文
[1]新浪微博中环境风险信息的传播特征研究[D]. 张玥.河北大学 2019
[2]突发公共卫生事件应急处置研究：知识管理视角[D]. 赵璐.复旦大学 2012
[3]基于知识管理系统的应急管理模型研究[D]. 吴琲平.西南石油大学 2011
本文编号：3070789
【文章来源】：兰州交通大学甘肃省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
研究技术路线图
基于文本大数据的地震应急的知识发现-12-（1）按照不同的分类标准，可将复杂网络划分为图2.1所示不同类型的社区结构[67]：图2.1复杂网络社区结构1）强社区：社区内部节点的连接数目均大于与社区外节点的连接数目。2）弱社区：存在社区内部节点的连接数目小于与社区外节点的连接数目。3）静态社区：不具备演化能力的固定社区。4）动态社区：随时间演化而动态变化的社区。5）非重叠社区：网络中任意节点只属于一个社区。6）脆性重叠社区：重叠节点隶属于强度相同的不同社区。7）模糊重叠社区：重叠节点隶属于强度不同的不同社区。本文研究社区均为静态社区、非重叠社区，社区多数为强社区。（2）目前社区划分算法可分为传统与新模型两大类，如图2.2所示[68]：图2.2复杂网络社区划分算法
基于文本大数据的地震应急的知识发现-12-（1）按照不同的分类标准，可将复杂网络划分为图2.1所示不同类型的社区结构[67]：图2.1复杂网络社区结构1）强社区：社区内部节点的连接数目均大于与社区外节点的连接数目。2）弱社区：存在社区内部节点的连接数目小于与社区外节点的连接数目。3）静态社区：不具备演化能力的固定社区。4）动态社区：随时间演化而动态变化的社区。5）非重叠社区：网络中任意节点只属于一个社区。6）脆性重叠社区：重叠节点隶属于强度相同的不同社区。7）模糊重叠社区：重叠节点隶属于强度不同的不同社区。本文研究社区均为静态社区、非重叠社区，社区多数为强社区。（2）目前社区划分算法可分为传统与新模型两大类，如图2.2所示[68]：图2.2复杂网络社区划分算法
【参考文献】：
期刊论文
[1]社交媒体先行者Twitter兴盛与困境[J]. 曹京. 合作经济与科技. 2020(11)
[2]基于机器学习的汶川震区滑坡灾害气象预警模型研究[J]. 黄露. 测绘学报. 2020(02)
[3]基于统计方法从文本中抽取分词词典[J]. 黄超. 电脑知识与技术. 2020(04)
[4]基于形式概念分析的灾害应急知识模型研究——以灾害应急专题图组为例[J]. 张晓辉,刘涛. 地理与地理信息科学. 2020(01)
[5]基于知识图谱的智群计算国内外研究可视化分析[J]. 黄雪娟,刘金硕,姚昱. 计算机应用与软件. 2019(12)
[6]基于社交媒体共词网络的灾情发展态势探测方法[J]. 王艳东,李萌萌,付小康,邵世维,刘辉. 武汉大学学报(信息科学版). 2020(05)
[7]基于灾害全过程的公众对于气象防灾减灾信息的需求分析——基于78287份调查问卷的实证[J]. 谭玲,叶汶华,吴先华,刘亮. 灾害学. 2019(04)
[8]中国互联网发展报告（2019）精华版节选[J]. 互联网天地. 2019(08)
[9]利用卷积神经网络提取微博中的暴雨灾害信息[J]. 刘淑涵,王艳东,付小康. 地球信息科学学报. 2019(07)
[10]城市安全研究知识图谱的可视化分析[J]. 王义保,杨婷惠. 城市发展研究. 2019(03)
博士论文
[1]突发事件应急管理知识系统演化研究[D]. 李春娟.燕山大学 2015
[2]复杂网络社区发现若干问题研究[D]. 姜雅文.北京交通大学 2014
硕士论文
[1]新浪微博中环境风险信息的传播特征研究[D]. 张玥.河北大学 2019
[2]突发公共卫生事件应急处置研究：知识管理视角[D]. 赵璐.复旦大学 2012
[3]基于知识管理系统的应急管理模型研究[D]. 吴琲平.西南石油大学 2011
本文编号：3070789
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3070789.html
