Online Delivery of Social Media Posts to Appropriate First Responders for Disaster Response
Online Delivery of Social Media Posts to Appropriate First Responders for Disaster Response
复制标题
在线向相应的救灾急救人员发送社交媒体帖子
DOI：
10.1145/3427477.3429272
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Ramakrishnan, K. K.
中科院分区：
文献类型：
--
作者：
Mittal, Viyom;Jahanian, Mohammad;Ramakrishnan, K. K.
及时向正确的人员提供正确的信息可以极大地改善紧急响应的结果并挽救生命。灵活有效地将受害者、志愿者和急救人员聚集在一起以提供及时援助的沟通框架非常有帮助。由于灾难情况更加频繁和严重，加上急救人员资源捉襟见肘，人们越来越依赖社交媒体来传达重要信息。本文提出了 ONSIDE，一个利用社交媒体协调灾害响应的框架，将其与以信息为中心的传播相结合，以实现及时和相关的传播。我们使用基于图形的发布/订阅命名空间来捕获事件管理角色的复杂层次结构。使用社交媒体的普通公民和志愿者可能不知道或无法访问完整的命名空间。因此，我们利用社交媒体引擎（SME）来识别与灾难相关的社交媒体帖子，然后近乎实时地将它们自动映射到正确的名称。使用 NLP 和分类技术，我们将帖子定向到可以帮助解决所发布问题的适当的第一响应者。实时分类社交媒体的一个主要挑战是模型训练的标记工作。此外，当灾难袭来时，可能没有足够的数据点可用于标记，并且随着时间的推移，帖子内容可能会出现概念漂移。为了解决这些问题，我们的中小企业采用了基于流的主动学习方法，随着社交媒体帖子的出现而进行调整。初步评估结果表明，所提出的解决方案是有效的。
Delivering the right information to the right people in a timely manner can greatly improve outcomes and save lives in emergency response. A communication framework that flexibly and efficiently brings victims, volunteers, and first responders together for timely assistance can be very helpful. With the burden of more frequent and intense disaster situations and first responder resources stretched thin, people increasingly depend on social media for communicating vital information. This paper proposes ONSIDE, a framework for coordination of disaster response leveraging social media, integrating it with Information-Centric dissemination for timely and relevant dissemination. We use a graph-based pub/sub namespace that captures the complex hierarchy of the incident management roles. Regular citizens and volunteers using social media may not know of or have access to the full namespace. Thus, we utilize a social media engine (SME) to identify disaster-related social media posts and then automatically map them to the right name(s) in near-real-time. Using NLP and classification techniques, we direct the posts to appropriate first responder(s) that can help with the posted issue. A major challenge for classifying social media in real-time is the labeling effort for model training. Furthermore, as disasters hits, there may be not enough data points available for labeling, and there may be concept drift in the content of the posts over time. To address these issues, our SME employs stream-based active learning methods, adapting as social media posts come in. Preliminary evaluation results show the proposed solution can be effective.
登录
查看更多内容
DiReCT：与值得信赖的志愿者进行灾难响应协调
DOI：
10.1109/ict-dm47966.2019.9032915
发表时间：
2019
期刊：
2019 International Conference on Information and Communication Technologies for Disaster Management (ICT-DM
影响因子：
--
作者：
Jahanian, Mohammad;Hasegawa, Toru;Kawabe, Yoshinobu;Koizumi, Yuki;Magdy, Amr;Nishigaki, Masakatsu;Ohki, Tetsushi;Ramakrishnan, K. K.
通讯作者：
Ramakrishnan, K. K.
影响因子：
2
作者：
Sylvain Firer-Blaess;C. Fuchs
通讯作者：
Sylvain Firer-Blaess;C. Fuchs
以信息为中心的网络在灾难场景中实现通信的好处
DOI：
10.1109/glocomw.2015.7414086
发表时间：
2015
期刊：
2015 IEEE Globecom Workshops (GC Wkshps)
影响因子：
--
作者：
J. Seedorf;A. Tagami;M. Arumaithurai;Y. Koizumi;N. B. Melazzi;D. Kutscher;Kohei Sugiyama;T. Hasegawa;T. Asami;K. Ramakrishnan;T. Yagyu;I. Psaras
通讯作者：
I. Psaras
基于图的命名空间和负载共享，实现灾难中的高效信息传播
DOI：
10.1109/icnp.2019.8888047
发表时间：
2019
期刊：
2019 IEEE 27th International Conference on Network Protocols (ICNP
影响因子：
--
作者：
Jahanian, Mohammad;Chen, Jiachen;Ramakrishnan, K. K.
通讯作者：
Ramakrishnan, K. K.