[发明专利]一种基于细粒度话题探测的台风灾情态势感知方法及装置

权利要求书

1.一种基于细粒度话题探测的台风灾情态势感知方法，其特征在于，包括以下步骤：

步骤S1、数据收集和预处理，包括收集指定范围地理定位的微博数据、过滤灾害相关数据和文本预处理；

步骤S2、细粒度主题提取，包括词向量映射、语义图构建、主题检测和关键词识别；

步骤S3、灾情分析与灾情态势感知，利用时空可视化分析技术，对主题词进行可视化，通过主题词分布的强度和范围感知台风灾情发展态势。

2.根据权利要求1所述的基于细粒度话题探测的台风灾情态势感知方法，其特征在于，所述步骤S1具体包括：

步骤S11、灾情发生地理范围格网划分，通过微博place/nearby_timeline API访问半径为一定距离以内的微博，通过细化区域和细化时间段，获取所有查询数据；

步骤S12、微博数据库存储，将数据存储到MongoDB数据库中，存储字段如下:微博ID、用户ID、时间、地点和文本；

步骤S13、利用关键词进行灾害相关微博过滤；

步骤S14、文本预处理，包括文本去重，过滤掉停用词和特殊字符，保留名词、动词和形容词作为特征词，利用SVM将数据分为台风灾情相关和不相关两类，最终每条微博文本可以分解为一组单词。

3.根据权利要求1所述的基于细粒度话题探测的台风灾情态势感知方法，其特征在于，所述步骤2具体包括：

步骤S21、词向量映射，输入为预处理的微博文本，采用Word2vec对文本进行词嵌入处理，将单词转换为向量表示；

步骤S22、语义图构建，通过语义相似度的计算识别相似性高的共现单词，构建单词共现网络；

步骤S23、主题检测，利用社区探测方法对所构建的网络进行社区识别，所识别的社区对应各个不同主题；

步骤S24、关键词识别，进行聚类，通过网络的属性特征提取每个主题中的关键词，输出为聚类后的主题及关键词。

4.根据权利要求3所述的基于细粒度话题探测的台风灾情态势感知方法，其特征在于：

所述Word2vec网络包含输入层、隐藏层和输出层，所述Word2vec网络采用CBOW模型；

输入层为一个形状为C×V的经过独热编码的张量，C代表上下文单词的数量，V代表语料中的单词总个数，表示此表的大小；

隐藏层h具有N个神经元，其中N为映射的词向量的维度，为512维；

输出层为V的神经元，即语料中单词的个数，输出层使用softmax计算各个词的输出概率，在训练过程中为降低模型反向传播更新模型参数时的计算复杂度，采用负采样方法，构建负类样本来减少训练样本，模型训练速度。

5.根据权利要求3所述的基于细粒度话题探测的台风灾情态势感知方法，其特征在于：

所述步骤S22中，语义图表达为：

G＝(V，E)

其中，G表示语义图，V表示单词，E表示节点间的连边；

边的权重通过单词之间的相似性的计算公式为：

其中，范围为(0，1)，表示单词v_i和v_j的语义相似性，当值越接近于1，则表示单词之间越相似，则越可能出现在同一个社区，相似度阈值的大小决定了最终识别的主题精细程度，阈值较大，则识别的主题越相似；反之，识别出的主题其特征更加模糊。