[论文解读] Condition Sensing for Electricity Infrastructure in Disasters by Mining Public Topics from Social Media

Yudi Chen, Angel Umana+2 more|arXiv (Cornell University)|Mar 1, 2021

Public Relations and Crisis Communication参考文献 22被引用 4

一句话总结

本文提出一种基于 BERT 的方法，通过提取并建模独词、双词和三词短语，从灾难期间的社交媒体中挖掘电力基础设施状况。该方法在佛罗里达州飓风 Irma 期间的应用中，成功捕捉了停电在时间和空间上的变化，展示了社交媒体在实时基础设施感知方面的潜力。

ABSTRACT

Timely and reliable sensing of infrastructure conditions is critical in disaster management for planning effective infrastructure restorations. Social media, a near real-time information source, has been widely used in disasters for forming timely situational awareness. Yet, using social media to sense electricity infrastructure conditions has not been explored. This study aims to address the research gap through mining public topics from social media. To achieve this purpose, we proposed a systematic and customized approach wherein (1) electricity-related social media data is extracted by the classifier developed based on Bidirectional Encoder Representations from Transformers (BERT); and (2) public topics are modeled with unigrams, bigrams, and trigrams to incorporate the formulaic expressions of infrastructure conditions in social media. Electricity infrastructures in Florida impacted by Hurricane Irma are studied for illustration and demonstration. Results show that the proposed approach is capable of sensing the temporal evolutions and geographic differences of electricity infrastructure conditions.

研究动机与目标

• 填补利用社交媒体实时感知灾难期间电力基础设施状况的研究空白。
• 开发一种系统化方法，从公开的社交媒体帖子中提取并建模与电力相关的主题。
• 通过近实时数据分析，实现实时的停电模式态势感知。
• 证明该方法能够检测灾难后基础设施状况的时间与空间动态变化。

提出的方法

• 训练基于 BERT 的分类器，以识别社交媒体帖子中的电力相关文本。
• 从识别出的帖子中提取独词、双词和三词短语，以建模基础设施状况的表达方式。
• 应用主题建模技术，捕捉描述停电和恢复情况的公式化语言模式。
• 利用地理和时间元数据，分析基础设施状况在空间和时间上的演变。
• 使用佛罗里达州飓风艾米莉期间的社交媒体数据验证该方法。
• 整合多尺度语言特征（n-gram），以提升在非正式文本中对特定状况表达的检测能力。

实验结果

研究问题

• RQ1 社交媒体数据能否被有效挖掘，以感知灾难期间的电力基础设施状况？
• RQ2 基于 BERT 的分类方法在非正式社交媒体文本中检测电力相关文本的准确性如何？
• RQ3 n-gram 建模在多大程度上能够捕捉用户生成内容中基础设施状况的结构化表达？
• RQ4 该方法能否检测灾难后停电模式的时间与地理变化？
• RQ5 与传统传感或监控方法相比，该方法在时效性和覆盖范围方面表现如何？

主要发现

• 基于 BERT 的分类器在从社交媒体中识别电力相关文本方面表现出高准确性。
• 通过独词、双词和三词短语建模，有效捕捉了非正式语言中基础设施状况的公式化表达。
• 该方法成功检测到佛罗里达州不同地区停电严重程度和恢复情况的时间趋势。
• 地理分析揭示了飓风艾米莉过后停电持续时间和恢复进度的空间差异。
• 该方法展示了近实时感知基础设施状况的能力，支持快速态势感知。
• 结果证实，公众社交媒体可作为灾难期间电力基础设施状态的可靠替代指标。