97、TPredDis：基于语义融合的灾害信息推文预测

TPredDis：基于语义融合的灾害信息推文预测

在灾害管理中，从社交媒体海量推文中精准筛选出最具价值的信息至关重要。本文将介绍一种名为TPredDis的方法，它能有效预测灾害相关的最具信息性推文。

1. 相关工作

许多研究人员已在该领域展开探索，以下是部分代表性方法：
- 数据收集与分析 ：Dhanya等人提出收集和分析特定地理区域内求助或资源可用性请求的方法，并运用机器学习算法处理数据。
- 推文分类 ：Madichetty等人利用流行短语特征生成分类器，检测包含特定术语的推文。
- 词语分类 ：Pekar等人基于词语分布相似性对词语进行分类。
- 推文识别 ：Khosla等人提出基于神经网络的检索模型自动识别推文。
- 词语共现测量 ：Carrillo等人基于语料库测量推文词语共现情况。
- 源检测 ：Krishnanand等人开发多机器人检测二维空间中营养源的方法。
- 灾害概念识别 ：Rudra等人提出识别和分类灾害期间推特上复杂误导信息的方法。
- 算法比较 ：Shah等人对比逻辑回归、随机森林和K近邻模型进行文本分类。
- 语义相似性 ：Leena等人引入语义相似性度量的上下文驱动推荐系统。
- 推文信息判断 ：H