道路交通伤害网络中文文本大数据关键挖掘方法及主要应用模式研究
批准号:
82073672
项目类别:
面上项目
资助金额:
57.0 万元
负责人:
胡国清
依托单位:
学科分类:
流行病学方法与卫生统计
结题年份:
2024
批准年份:
2020
项目状态:
已结题
项目参与者:
胡国清
中文摘要
网络文本大数据研究能提供常规道路交通伤害监测系统未采集但又有价值的补充信息,有助于更早发现新出现的道路交通伤害问题(如:快递员相关伤害)。本项目探讨当前道路交通伤害网络中文文本大数据挖掘研究面临的3个关键方法学挑战:①从包含大量噪音的数据中准确定义道路交通伤害相关信息;②从庞大的数据中自动和准确提取所定义的信息;③确定网络中文文本大数据在道路交通伤害防控的主要应用模式。本研究基于项目组前期多项伤害文本数据课题建立的检索词扩展、信息提取、质量控制和文本数据分析等策略,综合伤害流行病学、“互联网+”和大数据等理论,探讨道路交通伤害网络中文文本大数据的文本筛选、特征(变量)提取及分类标准,建立特征提取和文本分类的算法与统计模型(分类器),开发道路交通伤害大数据平台,系统地采集自2010年以来道路交通伤害防控相关的中文文本数据,探讨网络文本大数据的主要应用模式,为未来伤害大数据研究提供方法学参考。
英文摘要
Internet-based textual big data research can provide valuable data to supplement routine surveillance systems for road traffic injury and help detect emerging causes of injury earlier than possible with surveillance systems only (e.g. courier-related injury). This study aims to address three critical methodological challenges of internet-based textual big data mining in Chinese related to road traffic injury: (1) accurately extract road traffic injury related information from large and noisy datasets, (2) extract the defined and desired information about road traffic injuries from big data automatically and accurately, and (3) determine major application modes for internet-based textual big data in Chinese in the prevention and control of road traffic injury. Building from previous work for expansion of search words, extraction of information, quality control and textual data analysis by the research group, this study integrates underlying theories of injury epidemiology, “Internet +” and big data to develop accurate criteria for document screening in Chinese, extraction and classification of text-based features (variables), establishment of reliable algorithms and statistical models for feature extraction and text classification (classifiers), and building of a platform to systematically collect textual big data for road traffic injury in Chinese from 2010. Findings will readily extend to explore other application modes for big-data and offer methodological references for injury-related big data research in the future.
网络文本大数据研究能提供常规道路交通伤害监测系统未采集但又有价值的补充信息,有助于更及时地识别道路交通伤害新特征。.本研究整合了伤害流行病学以及大数据相关理论与技术,开发了一个由数据采集、数据处理、数据应用和与存储四层结构组成的网络大数据平台,该平台每间隔24小时将自动采集并获取网络媒体上发布的道路交通事故相关报道。平台以20000篇人工标注的新闻报道作为数据集,基于BERT预训练模型构建文本分类器,并采用单种或多种相结合的自然语言处理技术针对27个道路交通事故相关结构化变量构建信息提取算法。经多次调试优化后,模型效果良好,最优BERT文本分类模型的准确率达0.9271,22个变量信息提取的准确率超过80%。.2010年1月1日至2021年12月31日间,本平台共纳入236627篇道路交通事故相关报道,纳入的事故发生地覆盖了我国所有31个省份和333个地级行政单位。所有纳入报道分别来自于37073个新闻媒体网站或社交媒体账号,纳入报道的发布者(数据来源)分布于全国31个省份和超过98%的地级行政单位。对所有纳入的报道全文进行分词处理,共获得645787个不重复的关键词,可用作后续扩展分析与应用。对平台数据与公安部门官方数据进行相关性分析,结果显示平台纳入媒体报道各省份道路交通事故数据与公安部门公布的各省份道路交通事故数据之间成强正相关(相关系数分别为,道路交通事故数:rs = 0.799;受伤人数:rs =0.802;死亡人数:rs =0.775)。.本研究搭建的网络文本大数据平台具有信息丰富且及时动态更新等优点,对官方监测数据平台具有一定的补充价值,能更及时地识别道路交通事故的新特征。未来应进一步完善优化平台,特别是统计推断、多源数据链接等方面,为道路交通伤害的实时监测和有效干预提供支持。
儿童产品伤害网络文本大数据关键挖掘方法研究
-
批准号:2023JJ30719
-
项目类别:省市级项目
-
资助金额:0.0万元
-
批准年份:2023
-
负责人:胡国清
-
依托单位:
网络道路交通伤害文本大数据统计推断方法研究
-
批准号:--
-
项目类别:面上项目
-
资助金额:52万元
-
批准年份:2022
-
负责人:胡国清
-
依托单位:
中国人口老龄化对疾病负担的影响及应对策略研究
-
批准号:2020JJ4764
-
项目类别:省市级项目
-
资助金额:0.0万元
-
批准年份:2020
-
负责人:胡国清
-
依托单位:
基于移动健康技术的学龄前儿童非故意伤害干预研究
-
批准号:81573260
-
项目类别:面上项目
-
资助金额:55.0万元
-
批准年份:2015
-
负责人:胡国清
-
依托单位:
中学生健康问题预警指标体系及预警模型的研制
-
批准号:30400355
-
项目类别:青年科学基金项目
-
资助金额:21.0万元
-
批准年份:2004
-
负责人:胡国清
-
依托单位:
国内基金
海外基金