排序方式： 共有119条查询结果，搜索用时 15 毫秒
61.
随着新媒体科技的飞速发展,地震信息的传播不再局限于书本、杂志、电视、广播等传统方式。地震突发性强、破坏性大等特点要求地震信息的传播需要时效性更强、传播范围更广的多元化渠道。微博作为当今互联网中最为流行的分享与交流平台之一,凭借其很强的交互性与即时性,在很大程度上满足了这一要求。因而,地震信息微博传播的推广普及将具有很大的潜在影响力与生命力。中国地震资讯微博自开通以来,其运行目标和意义明确,针对地震微博中地震速报、自救互救科普知识、防震避震视频、地震图片等栏目的开设与讨论内容进行研究,以期探索不同形式的传播策略,发挥地震微博在社会公众中的积极作用,为完善均衡新媒体在多元化形势下地震信息资源传播和共享策略提供思路。 相似文献
62.
2021年7月由于台风“烟花”的影响,河南省郑州市出现了历史罕见的强降雨天气,造成了严重的城市内涝灾害。以该事件为例,通过爬虫技术获取灾害期间微博数据,利用深度学习模型等方法对微博数据进行筛选、分析和地理位置编码后研究不同时间尺度下郑州内涝的时空变化情况。研究结果表明：郑州“7·20”特大暴雨期间有关内涝信息的微博数据量剧增,基于微博提取的内涝点多于暴雨期间官方公布的内涝点,并可覆盖约82%的官方内涝点;该期间产生的积水内涝点数量分布与降雨量分布一致,且内涝点多集中于老城区地势低洼处。总体而言,基于微博数据提取的城市内涝灾情信息可有效覆盖和补充灾害期间官方观测数据,实时描述内涝灾情变化,为城市内涝防治提供支撑。 相似文献
63.
2017年8月8日21时19分九寨沟发生7.0级地震,震后数小时里,大量与地震相关的信息广泛传播,互联网社交媒体高度关注,九寨沟地震成为最热议话题。本文以新浪微博为例,获取了距震中200km范围内震前、震后24h的微博数据,通过对数据清洗、分类和挖掘,分析了此次地震微博的数量、灾情分类、词频统计、时间序列和空间分布等特征,同时与实际灾评结果进行了对比分析。研究结果表明,对震后社交媒体数据进行充分挖掘,分析提取地震灾情关键信息,有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,是解决震后灾情获取难度大、覆盖小、时效性差等问题的一种有效的辅助手段。 相似文献
64.
65.
66.
基于微博签到数据的成渝城市群空间结构及其城际人口流动研究 总被引：2，自引：0，他引：2
随着区域一体化进程的加快,中国城市群快速地发展起来,城市群城际间的人口流动研究得到了国内外学者的关注。城市群空间结构的研究以地理实体空间分析为主,城际人口流动的研究多使用传统统计数据,而将大数据运用于城市群空构特征,并结合传统的社会经济统计数据对该区域人口流动的影响因素进行分析。研究发现：① 微博签到数据进一步解释了成渝城市群呈现出“双核多中心”的组团特征,成都市和重庆主城构成了“双核”;② 微博人口流动的方向会受到行政区划的影响,微博人口流动的强度呈现出一定的等级差异;③ 微博人口流动的强度与方向同社会经济发展水平呈现出相对一致性,即地区生产总值越高、人口规模越大或交通联系强度越强,则人口流动越强烈。 相似文献
67.
从社交媒体中挖掘灾害应急信息,能够有效帮助传统灾害管理获取实时、主题丰富的灾害信息,从而成为灾害应急管理的新手段。得益于深度学习在自动特征提取上的成就,本文研究了一种利用卷积神经网络对社交媒体中的灾害应急信息进行自动实时提取与分类的方法。首先,利用社交媒体数据和Word2vec模型,构建与灾害类事件相关的语料库并获得相应的词向量;其次,将词嵌入文本和相应的灾情类别作为卷积神经网络的输入,经过多分类学习得到分类模型,用以提取近实时灾害信息。以2012年“7.21北京特大暴雨”事件为案例,通过分类模型获得常见灾情类别的暴雨灾害社交媒体信息。该模型在测试集上的精度达到了90%以上,并且将模型运用于新爬取的2016年暴雨数据集上也得到了较好的表现,说明该模型在近实时自动提取灾害信息方面具有可行性。在对2012年分类结果进行时空分析结果表明,通过社交媒体获得的暴雨灾害主题信息符合灾害发展的规律,说明了利用深度学习提取社交媒体数据中的灾害应急信息的有效性和可行性,能够为实时灾害应急管理提供新的思路。 相似文献
68.
带有地理空间信息的社交媒体数据是由众多专业和非专业用户主观发布并通过社交媒体向公众或组织提供的一种开放地理空间数据。为了高效地获取签到数据以及保证签到数据的正确性、可靠性、完整性,满足数据挖掘算法的需要,本文以微博签到数据为例,提出了获取数据的关键技术,包括调用微博API的方法、研究区域格网化的获取方法,提高了数据的获取效率。并且针对获取的原始数据提出了对其处理的方案并对获取的数据结果进行了相关的统计描述。 相似文献
69.
70.