隨著經(jīng)濟社會的一體化發(fā)展,各個行業(yè)領域之間的關聯(lián)性不斷增強,突發(fā)公共事件帶來的危害也越來越大,有著“牽一發(fā)而動全身”的狀況。由于信息傳輸方式的多樣化,人們接受信息途徑也有多種形式,面對蜂擁而至的信息流,難以選擇而無所適從,由此也更容易產生恐慌的心理。除了公共事件本身帶來的損失以外,信息缺失也對災害損失程度起到關鍵作用。在此情景下中,涉及到民眾關心的應急資源興趣點,民眾所掌握的信息不全面,對于資源使用會出現(xiàn)搶購和浪費的情況,需要進行合理地調控,從而降低無謂的損耗,減少成本,并盡可能滿足民眾的需求�？焖�、正確、合理處理,可以有效減少人員傷亡,降低災害損失。據(jù)此,本文通過對于突發(fā)公共事件中應急場景下的地圖信息傳輸過程進行理論分析,針對新聞中突發(fā)公共事件傳輸?shù)奶卣?搜集整理相應的應急保障資源興趣點,根據(jù)突發(fā)事件的性質、過程、地域可達性特點、用戶本身特征等因素,并對于民眾進行個性化推薦,論文的具體研究內容如下:1、提出突發(fā)公共事件情景下的地圖信息傳輸理論。分析了突發(fā)公共事件情景下的地理信息傳輸特點,描述了地圖信息的傳輸過程,并闡述了在突發(fā)公共事件發(fā)生的情況下的地圖信息的傳輸模式,重點分析了制圖人員和用戶的空間認知過程,用于指導制圖人員制作地圖信息傳輸?shù)拿浇椤?、基于互聯(lián)網(wǎng)的突發(fā)公共事件特征數(shù)據(jù)獲取。針對網(wǎng)絡新聞特點,構建文本主題向量和主題特征向量,建立突發(fā)公共事件新聞集,使用詞頻統(tǒng)計、特征向量、共詞網(wǎng)絡等方法,抽取突發(fā)公共事件特征,分析對用戶的影響角度,對突發(fā)公共事件影響進行分析,并進行了實驗驗證。3、提出了應急資源興趣點獲取的方案,針對突發(fā)公共事件對應急資源興趣點的定義進行了界定,通過互聯(lián)網(wǎng)地圖、政府網(wǎng)站,自媒體網(wǎng)站等數(shù)據(jù)源,提出了不同的興趣點獲取方案,進行分類體系統(tǒng)一轉換,建立統(tǒng)一的數(shù)學基礎,對數(shù)據(jù)質量進行評價,進而融合生成了應急資源興趣點集。4、提出了突發(fā)公共事件中應急資源興趣點的個性化推薦方案。依據(jù)突發(fā)公共事件情境下的地圖信息傳輸特點,從新聞中影響角度和相關特征出發(fā),將應急資源興趣點和突發(fā)公共事件結合起來,使用高斯兩步移動搜索模型、胡弗模型、基于Voronoi圖的緩沖區(qū)分析模型等方法分析了應急資源興趣點的可達性,結合突發(fā)公共事件特點、過程、時間、用戶特征等角度對興趣點個性化推薦進行分析。
【學位單位】：戰(zhàn)略支援部隊信息工程大學
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：P208
【部分圖文】：

戰(zhàn)略支援部隊信息工程大學碩士學位論文第24頁爆發(fā)期，在事故發(fā)生的當天新聞數(shù)量最大，達到了145條，占據(jù)了新聞總數(shù)的1/7；擴散期，這個階段有關此突發(fā)事件的網(wǎng)絡新聞文本數(shù)量迅速上升，新聞高熱度狀態(tài)持續(xù)了大概兩周，雖然新聞量變化趨勢百分比有增有減，但新聞輿論熱度總體逐漸消減，衰退期新聞量變化不斷減少，熱度也逐漸減少，消失期，新聞數(shù)量也逐漸減少，至11周以后相關新聞報道幾乎為零。這一現(xiàn)象也表現(xiàn)出了一般新聞輿情事件的熱度發(fā)展規(guī)律。圖3-1天津港爆炸事件新聞數(shù)量變化以及階段劃分對構建的共詞網(wǎng)絡進行社區(qū)探測，得到了7個社區(qū)。為了對所有社區(qū)的主題概念作出更準確的詮釋，提取社區(qū)中的主要關鍵詞，按照出現(xiàn)的頻率排列，然后用詞云表示，如圖3-2所示，通過分析發(fā)現(xiàn)，其中（a）代表爆炸現(xiàn)場情景，是對爆炸發(fā)生時現(xiàn)場和附近人群的影響，其中有“明火”、“晃動”、“亮光”等人群的感覺描述，（b）代表救援主題，其中有“消防員”、“失聯(lián)”、“救援”等詞匯，（c）代表事故調查主題，是在爆炸發(fā)生后，對于事故原因的調查，反映了民眾所關心的問題，有“發(fā)布會”、“危化品”、“監(jiān)管”等詞語。（a）爆炸情景主題（b）救援主題（c）事故調查主題圖3-2主題社區(qū)詞云圖3.5.2泉港碳九泄露事件對于福建泉港碳九事件，將新聞文本集主題關鍵詞按照時序順序進行排列分布，然后再進行關鍵詞時序分析（LexicalDispersionPlot，LDP），如圖3-3所示，圖中縱軸表示詞匯，橫軸是文本字數(shù)，文本字數(shù)的累積增長方向與時間正向推移的方向一致，藍色豎

戰(zhàn)略支援部隊信息工程大學碩士學位論文第24頁爆發(fā)期，在事故發(fā)生的當天新聞數(shù)量最大，達到了145條，占據(jù)了新聞總數(shù)的1/7；擴散期，這個階段有關此突發(fā)事件的網(wǎng)絡新聞文本數(shù)量迅速上升，新聞高熱度狀態(tài)持續(xù)了大概兩周，雖然新聞量變化趨勢百分比有增有減，但新聞輿論熱度總體逐漸消減，衰退期新聞量變化不斷減少，熱度也逐漸減少，消失期，新聞數(shù)量也逐漸減少，至11周以后相關新聞報道幾乎為零。這一現(xiàn)象也表現(xiàn)出了一般新聞輿情事件的熱度發(fā)展規(guī)律。圖3-1天津港爆炸事件新聞數(shù)量變化以及階段劃分對構建的共詞網(wǎng)絡進行社區(qū)探測，得到了7個社區(qū)。為了對所有社區(qū)的主題概念作出更準確的詮釋，提取社區(qū)中的主要關鍵詞，按照出現(xiàn)的頻率排列，然后用詞云表示，如圖3-2所示，通過分析發(fā)現(xiàn)，其中（a）代表爆炸現(xiàn)場情景，是對爆炸發(fā)生時現(xiàn)場和附近人群的影響，其中有“明火”、“晃動”、“亮光”等人群的感覺描述，（b）代表救援主題，其中有“消防員”、“失聯(lián)”、“救援”等詞匯，（c）代表事故調查主題，是在爆炸發(fā)生后，對于事故原因的調查，反映了民眾所關心的問題，有“發(fā)布會”、“�；贰�、“監(jiān)管”等詞語。（a）爆炸情景主題（b）救援主題（c）事故調查主題圖3-2主題社區(qū)詞云圖3.5.2泉港碳九泄露事件對于福建泉港碳九事件，將新聞文本集主題關鍵詞按照時序順序進行排列分布，然后再進行關鍵詞時序分析（LexicalDispersionPlot，LDP），如圖3-3所示，圖中縱軸表示詞匯，橫軸是文本字數(shù)，文本字數(shù)的累積增長方向與時間正向推移的方向一致，藍色豎

第三章突發(fā)公共事件特征提取分析第25頁線表示該詞匯在文本中被提及一次，對應橫軸能看到它所處的位置信息，空白則表示無提及。藍色豎線的密集程度及其位置代表了該詞匯在某一階段的提及頻次和時間。圖3-3事件關鍵詞時序分析從獲取的關鍵詞里面，挑選了“泉港”,“空氣”,“水產品”,“異味”,“東港石化”,“通報”,“水質”,“住院”,“海域”,“村民”,“責任事故”,“監(jiān)測點”等12個關鍵詞進行分析，結果如下圖所示，可以看出“泉港”作為事故發(fā)生地，“東港石化”作為涉事公司主體，在事故爆發(fā)期間一直以較高的頻率出現(xiàn)，而“空氣”、“異味”等詞語在事故爆發(fā)初期出現(xiàn)頻率較高，說明是媒體和公眾關注的重點，但隨著，清污救援等措施執(zhí)行之后，情況得到了不少的緩解，出現(xiàn)的頻率也降低了；隨著調查組的調研，“監(jiān)測點”、“責任事故”等關鍵詞熱度逐漸上升，也反映了公眾對事故原因的渴求和對真相的探究。通過對共詞網(wǎng)絡進行社區(qū)探測，可以發(fā)現(xiàn)事件在不同發(fā)展階段也呈現(xiàn)出不同的特征，可以分為三個階段。（1）爆發(fā)期。此事件爆發(fā)期為從2018年11月4日到2018年11月8日為止，此時間段內共有96篇新聞，1470個關鍵詞。爆發(fā)期關鍵詞關聯(lián)網(wǎng)絡如圖3-4所示。綜合權值較大的關鍵詞為：泉港、現(xiàn)嘗泄露、消防員、肇事企業(yè)、碳九、�；�、附近區(qū)域、救援、醫(yī)院、村民、發(fā)布會、環(huán)保部門、專家、回應。這一階段，上述信息備受公眾重視。其中碳九、�；贰⑨t(yī)院、救援等詞語，可以看到民眾對事件的關注的重點，說明在事件爆發(fā)時，公眾對于泄漏事件影響的擔心，直接影響是出現(xiàn)惡心、頭暈、胸悶等癥狀，前往醫(yī)院救治，同時也更為關注事件的間接影響程度，此階段民眾更關心醫(yī)院等興趣點。
【相似文獻】

相關期刊論文 前9條

1 付青;王薇;;業(yè)余少兒常見問題及其解決方案(3)[J];尚舞;2009年09期

2 趙雅坤;;談歷史教學中學生興趣點的培養(yǎng)[J];教育革新;2011年11期

3 舒振宇;楊思鵬;辛士慶;劉予琪;龔夢航;龐超逸;胡超;;基于分層學習的三維模型興趣點提取算法[J];計算機輔助設計與圖形學學報;2020年02期

4 尤耀華;吳文琦;;基于矩陣分解的感知興趣點智能推薦算法仿真[J];計算機仿真;2020年02期

5 李丹霞;;基于位置的社交網(wǎng)絡的個性化興趣點推薦算法研究[J];科技風;2020年17期

6 張?zhí)┤?李瑭;;興趣點推薦在智慧旅游中的應用[J];中國高新科技;2019年14期

7 孟祥福;毛月;張霄雁;趙路路;趙澤祺;;基于地理-社會-評論關系的典型化興趣點推薦方法[J];小型微型計算機系統(tǒng);2019年11期

8 白剛;;基于游客簽到數(shù)據(jù)的旅游興趣點挖掘[J];現(xiàn)代計算機;2019年31期

9 劉磊;;《經(jīng)濟生活》興趣點教學[J];思想政治課教學;2015年10期

相關博士學位論文 前10條

1 郭沛沛;道路網(wǎng)約束下城市大比例尺地圖上的建筑物和興趣點綜合方法[D];山東科技大學;2017年

2 路新江;基于移動感知數(shù)據(jù)的城市興趣點生命周期預測研究[D];西北工業(yè)大學;2018年

3 高榕;融合上下文信息的位置社交網(wǎng)絡興趣點推薦算法[D];武漢大學;2018年

4 林博;基于時空興趣點的人體行為識別研究[D];重慶大學;2018年

5 司亞利;基于用戶簽到行為的自適應興趣點推薦方法研究[D];燕山大學;2019年

6 任星怡;基于社會化媒體的若干興趣點推薦關鍵技術研究[D];北京郵電大學;2017年

7 張云菲;多源道路網(wǎng)與興趣點的一致性整合方法[D];武漢大學;2015年

8 徐浩;移動情景感知的實時推薦技術研究[D];國防科學技術大學;2015年

9 余永紅;融合多源信息的推薦算法研究[D];南京大學;2017年

10 曾智勇;基于內容圖像數(shù)據(jù)庫檢索中的關鍵技術研究[D];西安電子科技大學;2006年

相關碩士學位論文 前10條

1 李志;面向突發(fā)公共事件的應急資源興趣點推薦關鍵技術研究[D];戰(zhàn)略支援部隊信息工程大學;2020年

2 郝振亞;基于地理關系和好友關系的興趣點推薦方法研究與應用[D];湖南大學;2019年

3 毛月;基于地理-社會-評論關系的典型化興趣點推薦方法[D];遼寧工程技術大學;2019年

4 鄒強;一種時空約束的興趣點可達性模型研究[D];東華理工大學;2019年

5 單碩堂;融合好友評分和評論的興趣點推薦算法的研究[D];遼寧大學;2019年

6 蔡亮琦;基于張量和矩陣聯(lián)合分解的興趣點推薦算法研究[D];華南理工大學;2019年

7 呂慧雅;基于循環(huán)神經(jīng)網(wǎng)絡的興趣點推薦模型設計與實現(xiàn)[D];華南理工大學;2019年

8 李寧;LBSN中多特征融合的興趣點推薦算法研究[D];重慶郵電大學;2018年

9 萬程峰;基于增量更新的興趣點推薦算法研究[D];重慶郵電大學;2019年

10 段雅倩;基于多源異構用戶生成數(shù)據(jù)的旅游景點熱度預測研究[D];電子科技大學;2019年

本文編號：2862724