地震是威脅人類生命財產(chǎn)安全的重大自然災(zāi)害之一,地震應(yīng)急是在震后應(yīng)急期內(nèi)人們所采取的減少人員傷亡及經(jīng)濟損失的緊急應(yīng)對措施。決策者如何根據(jù)地震應(yīng)急知識快速做出有效決策,將民眾的生命財產(chǎn)損失降至最低是地震應(yīng)急的關(guān)鍵。地震應(yīng)急的知識發(fā)現(xiàn)模型的構(gòu)建是地震應(yīng)急知識領(lǐng)域的核心科學(xué)問題之一,如何在種類繁多、內(nèi)容繁雜的數(shù)據(jù)中,研究減少先驗知識的依賴和支持下的地震應(yīng)急的知識發(fā)現(xiàn)至關(guān)重要。目前地震應(yīng)急知識領(lǐng)域主要聚焦于知識獲取與知識處理,涉及數(shù)據(jù)多為文本數(shù)據(jù),僅關(guān)注領(lǐng)域內(nèi)部分專業(yè)點分析,缺少對整個地震應(yīng)急領(lǐng)域的梳理分析且可視化表達(dá)效果較差。已有知識發(fā)現(xiàn)方法中統(tǒng)計學(xué)習(xí)的方法主要依靠有限的歷史案例知識,而基于機器學(xué)習(xí)與神經(jīng)計算的方法則需要專家先驗知識作為支撐,可視化分析方法更多的是輔助知識表現(xiàn),直接作為知識發(fā)現(xiàn)的手段則略顯單一。因此,本文提出一種基于文本大數(shù)據(jù)的地震應(yīng)急的知識發(fā)現(xiàn)模型。首先收集與地震應(yīng)急相關(guān)的學(xué)術(shù)文獻(xiàn)數(shù)據(jù)集和社交媒體數(shù)據(jù)集,然后利用CiteSpace分析工具及形式概念分析方法提取高頻關(guān)鍵詞及其關(guān)聯(lián)關(guān)系,以詞頻聯(lián)系作為它們之間關(guān)系的強度,構(gòu)建地震應(yīng)急知識的復(fù)雜網(wǎng)絡(luò),以對網(wǎng)絡(luò)進(jìn)行社區(qū)劃分研究,并通過... 

【文章來源】：蘭州交通大學(xué)甘肅省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究技術(shù)路線圖

基于文本大數(shù)據(jù)的地震應(yīng)急的知識發(fā)現(xiàn)-12-（1）按照不同的分類標(biāo)準(zhǔn)，可將復(fù)雜網(wǎng)絡(luò)劃分為圖2.1所示不同類型的社區(qū)結(jié)構(gòu)[67]：圖2.1復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)1）強社區(qū)：社區(qū)內(nèi)部節(jié)點的連接數(shù)目均大于與社區(qū)外節(jié)點的連接數(shù)目。2）弱社區(qū)：存在社區(qū)內(nèi)部節(jié)點的連接數(shù)目小于與社區(qū)外節(jié)點的連接數(shù)目。3）靜態(tài)社區(qū)：不具備演化能力的固定社區(qū)。4）動態(tài)社區(qū)：隨時間演化而動態(tài)變化的社區(qū)。5）非重疊社區(qū)：網(wǎng)絡(luò)中任意節(jié)點只屬于一個社區(qū)。6）脆性重疊社區(qū)：重疊節(jié)點隸屬于強度相同的不同社區(qū)。7）模糊重疊社區(qū)：重疊節(jié)點隸屬于強度不同的不同社區(qū)。本文研究社區(qū)均為靜態(tài)社區(qū)、非重疊社區(qū)，社區(qū)多數(shù)為強社區(qū)。（2）目前社區(qū)劃分算法可分為傳統(tǒng)與新模型兩大類，如圖2.2所示[68]：圖2.2復(fù)雜網(wǎng)絡(luò)社區(qū)劃分算法

基于文本大數(shù)據(jù)的地震應(yīng)急的知識發(fā)現(xiàn)-12-（1）按照不同的分類標(biāo)準(zhǔn)，可將復(fù)雜網(wǎng)絡(luò)劃分為圖2.1所示不同類型的社區(qū)結(jié)構(gòu)[67]：圖2.1復(fù)雜網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)1）強社區(qū)：社區(qū)內(nèi)部節(jié)點的連接數(shù)目均大于與社區(qū)外節(jié)點的連接數(shù)目。2）弱社區(qū)：存在社區(qū)內(nèi)部節(jié)點的連接數(shù)目小于與社區(qū)外節(jié)點的連接數(shù)目。3）靜態(tài)社區(qū)：不具備演化能力的固定社區(qū)。4）動態(tài)社區(qū)：隨時間演化而動態(tài)變化的社區(qū)。5）非重疊社區(qū)：網(wǎng)絡(luò)中任意節(jié)點只屬于一個社區(qū)。6）脆性重疊社區(qū)：重疊節(jié)點隸屬于強度相同的不同社區(qū)。7）模糊重疊社區(qū)：重疊節(jié)點隸屬于強度不同的不同社區(qū)。本文研究社區(qū)均為靜態(tài)社區(qū)、非重疊社區(qū)，社區(qū)多數(shù)為強社區(qū)。（2）目前社區(qū)劃分算法可分為傳統(tǒng)與新模型兩大類，如圖2.2所示[68]：圖2.2復(fù)雜網(wǎng)絡(luò)社區(qū)劃分算法

【參考文獻(xiàn)】：
期刊論文
[1]社交媒體先行者Twitter興盛與困境[J]. 曹京.  合作經(jīng)濟與科技. 2020(11)
[2]基于機器學(xué)習(xí)的汶川震區(qū)滑坡災(zāi)害氣象預(yù)警模型研究[J]. 黃露.  測繪學(xué)報. 2020(02)
[3]基于統(tǒng)計方法從文本中抽取分詞詞典[J]. 黃超.  電腦知識與技術(shù). 2020(04)
[4]基于形式概念分析的災(zāi)害應(yīng)急知識模型研究——以災(zāi)害應(yīng)急專題圖組為例[J]. 張曉輝,劉濤.  地理與地理信息科學(xué). 2020(01)
[5]基于知識圖譜的智群計算國內(nèi)外研究可視化分析[J]. 黃雪娟,劉金碩,姚昱.  計算機應(yīng)用與軟件. 2019(12)
[6]基于社交媒體共詞網(wǎng)絡(luò)的災(zāi)情發(fā)展態(tài)勢探測方法[J]. 王艷東,李萌萌,付小康,邵世維,劉輝.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2020(05)
[7]基于災(zāi)害全過程的公眾對于氣象防災(zāi)減災(zāi)信息的需求分析——基于78287份調(diào)查問卷的實證[J]. 譚玲,葉汶華,吳先華,劉亮.  災(zāi)害學(xué). 2019(04)
[8]中國互聯(lián)網(wǎng)發(fā)展報告（2019）精華版節(jié)選[J].   互聯(lián)網(wǎng)天地. 2019(08)
[9]利用卷積神經(jīng)網(wǎng)絡(luò)提取微博中的暴雨災(zāi)害信息[J]. 劉淑涵,王艷東,付小康.  地球信息科學(xué)學(xué)報. 2019(07)
[10]城市安全研究知識圖譜的可視化分析[J]. 王義保,楊婷惠.  城市發(fā)展研究. 2019(03)

博士論文
[1]突發(fā)事件應(yīng)急管理知識系統(tǒng)演化研究[D]. 李春娟.燕山大學(xué) 2015
[2]復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)若干問題研究[D]. 姜雅文.北京交通大學(xué) 2014

碩士論文
[1]新浪微博中環(huán)境風(fēng)險信息的傳播特征研究[D]. 張玥.河北大學(xué) 2019
[2]突發(fā)公共衛(wèi)生事件應(yīng)急處置研究：知識管理視角[D]. 趙璐.復(fù)旦大學(xué) 2012
[3]基于知識管理系統(tǒng)的應(yīng)急管理模型研究[D]. 吳琲平.西南石油大學(xué) 2011



本文編號：3070789