面向突发公共事件的应急资源兴趣点推荐关键技术研究

发布时间：2020-10-30 16:24

　　 随着经济社会的一体化发展,各个行业领域之间的关联性不断增强,突发公共事件带来的危害也越来越大,有着“牵一发而动全身”的状况。由于信息传输方式的多样化,人们接受信息途径也有多种形式,面对蜂拥而至的信息流,难以选择而无所适从,由此也更容易产生恐慌的心理。除了公共事件本身带来的损失以外,信息缺失也对灾害损失程度起到关键作用。在此情景下中,涉及到民众关心的应急资源兴趣点,民众所掌握的信息不全面,对于资源使用会出现抢购和浪费的情况,需要进行合理地调控,从而降低无谓的损耗,减少成本,并尽可能满足民众的需求。快速、正确、合理处理,可以有效减少人员伤亡,降低灾害损失。据此,本文通过对于突发公共事件中应急场景下的地图信息传输过程进行理论分析,针对新闻中突发公共事件传输的特征,搜集整理相应的应急保障资源兴趣点,根据突发事件的性质、过程、地域可达性特点、用户本身特征等因素,并对于民众进行个性化推荐,论文的具体研究内容如下:1、提出突发公共事件情景下的地图信息传输理论。分析了突发公共事件情景下的地理信息传输特点,描述了地图信息的传输过程,并阐述了在突发公共事件发生的情况下的地图信息的传输模式,重点分析了制图人员和用户的空间认知过程,用于指导制图人员制作地图信息传输的媒介。2、基于互联网的突发公共事件特征数据获取。针对网络新闻特点,构建文本主题向量和主题特征向量,建立突发公共事件新闻集,使用词频统计、特征向量、共词网络等方法,抽取突发公共事件特征,分析对用户的影响角度,对突发公共事件影响进行分析,并进行了实验验证。3、提出了应急资源兴趣点获取的方案,针对突发公共事件对应急资源兴趣点的定义进行了界定,通过互联网地图、政府网站,自媒体网站等数据源,提出了不同的兴趣点获取方案,进行分类体系统一转换,建立统一的数学基础,对数据质量进行评价,进而融合生成了应急资源兴趣点集。4、提出了突发公共事件中应急资源兴趣点的个性化推荐方案。依据突发公共事件情境下的地图信息传输特点,从新闻中影响角度和相关特征出发,将应急资源兴趣点和突发公共事件结合起来,使用高斯两步移动搜索模型、胡弗模型、基于Voronoi图的缓冲区分析模型等方法分析了应急资源兴趣点的可达性,结合突发公共事件特点、过程、时间、用户特征等角度对兴趣点个性化推荐进行分析。
【学位单位】：战略支援部队信息工程大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：P208
【部分图文】：

战略支援部队信息工程大学硕士学位论文第24页爆发期，在事故发生的当天新闻数量最大，达到了145条，占据了新闻总数的1/7；扩散期，这个阶段有关此突发事件的网络新闻文本数量迅速上升，新闻高热度状态持续了大概两周，虽然新闻量变化趋势百分比有增有减，但新闻舆论热度总体逐渐消减，衰退期新闻量变化不断减少，热度也逐渐减少，消失期，新闻数量也逐渐减少，至11周以后相关新闻报道几乎为零。这一现象也表现出了一般新闻舆情事件的热度发展规律。图3-1天津港爆炸事件新闻数量变化以及阶段划分对构建的共词网络进行社区探测，得到了7个社区。为了对所有社区的主题概念作出更准确的诠释，提取社区中的主要关键词，按照出现的频率排列，然后用词云表示，如图3-2所示，通过分析发现，其中（a）代表爆炸现场情景，是对爆炸发生时现场和附近人群的影响，其中有“明火”、“晃动”、“亮光”等人群的感觉描述，（b）代表救援主题，其中有“消防员”、“失联”、“救援”等词汇，（c）代表事故调查主题，是在爆炸发生后，对于事故原因的调查，反映了民众所关心的问题，有“发布会”、“危化品”、“监管”等词语。（a）爆炸情景主题（b）救援主题（c）事故调查主题图3-2主题社区词云图3.5.2泉港碳九泄露事件对于福建泉港碳九事件，将新闻文本集主题关键词按照时序顺序进行排列分布，然后再进行关键词时序分析（LexicalDispersionPlot，LDP），如图3-3所示，图中纵轴表示词汇，横轴是文本字数，文本字数的累积增长方向与时间正向推移的方向一致，蓝色竖

战略支援部队信息工程大学硕士学位论文第24页爆发期，在事故发生的当天新闻数量最大，达到了145条，占据了新闻总数的1/7；扩散期，这个阶段有关此突发事件的网络新闻文本数量迅速上升，新闻高热度状态持续了大概两周，虽然新闻量变化趋势百分比有增有减，但新闻舆论热度总体逐渐消减，衰退期新闻量变化不断减少，热度也逐渐减少，消失期，新闻数量也逐渐减少，至11周以后相关新闻报道几乎为零。这一现象也表现出了一般新闻舆情事件的热度发展规律。图3-1天津港爆炸事件新闻数量变化以及阶段划分对构建的共词网络进行社区探测，得到了7个社区。为了对所有社区的主题概念作出更准确的诠释，提取社区中的主要关键词，按照出现的频率排列，然后用词云表示，如图3-2所示，通过分析发现，其中（a）代表爆炸现场情景，是对爆炸发生时现场和附近人群的影响，其中有“明火”、“晃动”、“亮光”等人群的感觉描述，（b）代表救援主题，其中有“消防员”、“失联”、“救援”等词汇，（c）代表事故调查主题，是在爆炸发生后，对于事故原因的调查，反映了民众所关心的问题，有“发布会”、“危化品”、“监管”等词语。（a）爆炸情景主题（b）救援主题（c）事故调查主题图3-2主题社区词云图3.5.2泉港碳九泄露事件对于福建泉港碳九事件，将新闻文本集主题关键词按照时序顺序进行排列分布，然后再进行关键词时序分析（LexicalDispersionPlot，LDP），如图3-3所示，图中纵轴表示词汇，横轴是文本字数，文本字数的累积增长方向与时间正向推移的方向一致，蓝色竖

第三章突发公共事件特征提取分析第25页线表示该词汇在文本中被提及一次，对应横轴能看到它所处的位置信息，空白则表示无提及。蓝色竖线的密集程度及其位置代表了该词汇在某一阶段的提及频次和时间。图3-3事件关键词时序分析从获取的关键词里面，挑选了“泉港”,“空气”,“水产品”,“异味”,“东港石化”,“通报”,“水质”,“住院”,“海域”,“村民”,“责任事故”,“监测点”等12个关键词进行分析，结果如下图所示，可以看出“泉港”作为事故发生地，“东港石化”作为涉事公司主体，在事故爆发期间一直以较高的频率出现，而“空气”、“异味”等词语在事故爆发初期出现频率较高，说明是媒体和公众关注的重点，但随着，清污救援等措施执行之后，情况得到了不少的缓解，出现的频率也降低了；随着调查组的调研，“监测点”、“责任事故”等关键词热度逐渐上升，也反映了公众对事故原因的渴求和对真相的探究。通过对共词网络进行社区探测，可以发现事件在不同发展阶段也呈现出不同的特征，可以分为三个阶段。（1）爆发期。此事件爆发期为从2018年11月4日到2018年11月8日为止，此时间段内共有96篇新闻，1470个关键词。爆发期关键词关联网络如图3-4所示。综合权值较大的关键词为：泉港、现尝泄露、消防员、肇事企业、碳九、危化品、附近区域、救援、医院、村民、发布会、环保部门、专家、回应。这一阶段，上述信息备受公众重视。其中碳九、危化品、医院、救援等词语，可以看到民众对事件的关注的重点，说明在事件爆发时，公众对于泄漏事件影响的担心，直接影响是出现恶心、头晕、胸闷等症状，前往医院救治，同时也更为关注事件的间接影响程度，此阶段民众更关心医院等兴趣点。
【相似文献】

相关期刊论文 前9条

1 付青;王薇;;业余少儿常见问题及其解决方案(3)[J];尚舞;2009年09期

2 赵雅坤;;谈历史教学中学生兴趣点的培养[J];教育革新;2011年11期

3 舒振宇;杨思鹏;辛士庆;刘予琪;龚梦航;庞超逸;胡超;;基于分层学习的三维模型兴趣点提取算法[J];计算机辅助设计与图形学学报;2020年02期

4 尤耀华;吴文琦;;基于矩阵分解的感知兴趣点智能推荐算法仿真[J];计算机仿真;2020年02期

5 李丹霞;;基于位置的社交网络的个性化兴趣点推荐算法研究[J];科技风;2020年17期

6 张泰瑞;李瑭;;兴趣点推荐在智慧旅游中的应用[J];中国高新科技;2019年14期

7 孟祥福;毛月;张霄雁;赵路路;赵泽祺;;基于地理-社会-评论关系的典型化兴趣点推荐方法[J];小型微型计算机系统;2019年11期

8 白刚;;基于游客签到数据的旅游兴趣点挖掘[J];现代计算机;2019年31期

9 刘磊;;《经济生活》兴趣点教学[J];思想政治课教学;2015年10期

相关博士学位论文 前10条

1 郭沛沛;道路网约束下城市大比例尺地图上的建筑物和兴趣点综合方法[D];山东科技大学;2017年

2 路新江;基于移动感知数据的城市兴趣点生命周期预测研究[D];西北工业大学;2018年

3 高榕;融合上下文信息的位置社交网络兴趣点推荐算法[D];武汉大学;2018年

4 林博;基于时空兴趣点的人体行为识别研究[D];重庆大学;2018年

5 司亚利;基于用户签到行为的自适应兴趣点推荐方法研究[D];燕山大学;2019年

6 任星怡;基于社会化媒体的若干兴趣点推荐关键技术研究[D];北京邮电大学;2017年

7 张云菲;多源道路网与兴趣点的一致性整合方法[D];武汉大学;2015年

8 徐浩;移动情景感知的实时推荐技术研究[D];国防科学技术大学;2015年

9 余永红;融合多源信息的推荐算法研究[D];南京大学;2017年

10 曾智勇;基于内容图像数据库检索中的关键技术研究[D];西安电子科技大学;2006年

相关硕士学位论文 前10条

1 李志;面向突发公共事件的应急资源兴趣点推荐关键技术研究[D];战略支援部队信息工程大学;2020年

2 郝振亚;基于地理关系和好友关系的兴趣点推荐方法研究与应用[D];湖南大学;2019年

3 毛月;基于地理-社会-评论关系的典型化兴趣点推荐方法[D];辽宁工程技术大学;2019年

4 邹强;一种时空约束的兴趣点可达性模型研究[D];东华理工大学;2019年

5 单硕堂;融合好友评分和评论的兴趣点推荐算法的研究[D];辽宁大学;2019年

6 蔡亮琦;基于张量和矩阵联合分解的兴趣点推荐算法研究[D];华南理工大学;2019年

7 吕慧雅;基于循环神经网络的兴趣点推荐模型设计与实现[D];华南理工大学;2019年

8 李宁;LBSN中多特征融合的兴趣点推荐算法研究[D];重庆邮电大学;2018年

9 万程峰;基于增量更新的兴趣点推荐算法研究[D];重庆邮电大学;2019年

10 段雅倩;基于多源异构用户生成数据的旅游景点热度预测研究[D];电子科技大学;2019年

本文编号：2862724