典型文献
面向突发事件画像的社交媒体图像分类研究
文献摘要：
[目的]为有效支撑突发事件画像,融合文本信息对社交媒体图像进行分类.[方法]分析基于社交媒体的突发事件画像基本流程,并面向突发事件画像描述维度需求设计了具有双层结构的图像分类体系,进而提出一种融合图像和文本多模态语义的图像分类深度学习模型UCTM(UniModal and CrossModal Transformer Model),在"台风山竹"事件数据集上开展对比实验,并构建了示例画像.[结果]融合多模态信息的UCTM模型MAP指标比单模态分类方法和双线性融合方法高0.021以上;在应对信息(准备)和应对信息(救援)两个类别上,两阶段层次化分类策略的F1值比直接分类策略分别高0.017和0.018.[局限]模型未考虑图文语义不一致的情况,实验涉及的突发事件类型较为单一.[结论]本文方法能够丰富突发事件画像维度和内容,有助于提升突发事件态势感知的精确性和全面性.
文献关键词：
社交媒体;突发事件;图像分类;多模态;事件画像
中图分类号：
作者姓名：
李纲;张霁;毛进
作者机构：
武汉大学信息资源研究中心 武汉430072
文献出处：
引用格式：
[1]李纲;张霁;毛进-.面向突发事件画像的社交媒体图像分类研究)[J].数据分析与知识发现,2022(02):67-79
A类：
事件画像,UCTM,UniModal,CrossModal
B类：
社交媒体,媒体图像,图像分类,分类研究,有效支撑,文本信息,基本流程,需求设计,双层结构,分类体系,融合图像,深度学习模型,Transformer,Model,台风,山竹,件数,示例,多模态信息,MAP,单模,分类方法,双线性融合,融合方法,两阶段,层次化,分类策略,图文,事件类型,事件态,态势感知,精确性
AB值：
0.313207
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
