申请/专利权人：中国民航大学

申请日：2023-12-25

公开（公告）日：2024-03-26

公开（公告）号：CN117764341A

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/04;G06Q50/26;G06F16/31;G06F16/35;G06F16/9536;G06N5/04;G06N7/01;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种基于社交网络数据的震后灾民疏散行为规律分析方法，包括：通过获取发生的地震事件，对数据预处理，构建疏散行为理论和贝叶斯网络结构模型，并将贝叶斯网络结构转换为联结树，进一步优化模型的性能和准确性，通过计算节点概率分布，从定量角度揭示震后短时间内灾民疏散行为规律。本发明为地震灾害应对提供科学依据和决策支持，最终使得可以从社交网络数据中提取震后灾民疏散行为的规律性信息，这一规律的发现和解释对于地震灾害应对具有重要的科学意义和决策价值，以便更好地理解和预测人们的疏散行为。

主权项：1.一种基于社交网络数据的震后灾民疏散行为规律分析方法，其特征在于：包括以下步骤：S1、数据收集：通过社交媒体数据，收集震后黄金救援时间72小时内有关主题帖内容和网络评论信息，并对地震发生后灾民行为反应相关的话题与言论进行收集与编码；S2、数据预处理：对步骤S1收集的数据进行预处理，包括不限于清洗数据、去除重复信息以及处理缺失值；S3、疏散行为理论模型构建：通过扎根理论研究过程对步骤S2处理后的数据进行描述和编码，分析人们面临地震的思考和行为决策，并据此构建疏散行为理论模型；S4、贝叶斯网络结构构建：将步骤S3中疏散行为理论模型中不同决策变量之间的因果关系表示成贝叶斯网络拓扑结构，并通过机器学习技术进行参数学习和精确推理；S5、联结树转换：将步骤S5中贝叶斯网络结构转换为联结树，并找到构成联结树的所有团；S6、参数赋值：为步骤S6联结树的所有节点指定参数，只保留同一账号发表的帖子或评论，同一账号多条内容连接起来需涵盖地震发生后连续行为；S7、概率学习：以社交媒体数据记录编码后的样本数据作为步骤S4的贝叶斯网络参数学习的训练集，利用最大似然估计算法进行参数学习得到各节点的条件概率分布；S8、精确推理：采用联结树算法进行精确推理，得到单个节点的边缘概率和各组父子节点的联合分布概率，揭示震后短时间内灾民疏散行为规律；S9、规律归纳：基于步骤S3的疏散行为理论模型，结合环境行为学和扎根理论研究程序，进一步分析避难灾民疏散行为种类，归纳灾民疏散行为规律；S10、需求分析：结合步骤S3的疏散行为理论模型，采取避难救援方法和手段，进一步探析在不同地震灾害环境下的疏散行为内在驱动需求，通过对需求进行收集与编码，实现对微观个体需求较为全面的覆盖；S11、数据编码与初步分析：通过Nvivo质性分析软件对步骤S10的部分数据资料进行编码分析，使用描述性语句对原始内容进行概括，根据需求导向，初步编码形成概念基本范畴，并标记为自由节点；S12、主范畴构建：通过辨析步骤S11的每个概念基本范畴，并以该范畴为核心寻找各个范畴之间的关联，划分为同一类别，形成主范畴，并标记为子节点；S13、核心范畴与树节点形成：将步骤S12中主范畴归纳总结为系统的核心范畴，最终形成树节点；S14、评论信息编码与分析：将剩余的评论信息用于编码和分析，若无新节点产生，则编码结果已全面地覆盖了灾民疏散需求。

全文数据：

权利要求：

百度查询： 中国民航大学 一种基于社交网络数据的震后灾民疏散行为规律分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD