TY  - THES
AB  - In dieser Arbeit wird untersucht, wie Daten aus sozialen Medien, insbesondere Tweets, zur Verbesserung des Situationsbewusstseins bei Katastrophen genutzt werden können. Wir entwickeln verschiedene Ansätze zur Extraktion relevanter Merkmale und verwertbarer Informationen aus Social-Media-Daten. Wir präsentieren vier Hauptbeiträge: Ein gemeinsamer Lernansatz, der soziale Medien und Umweltdaten integriert, um Katastrophenereignisse zu klassifizieren. Ein Multi-Label-Klassifizierungsansatz, UPB-BERT, der das BERT-Sprachmodell für katastrophenbezogene Tweets feinabstimmt. Ein Ansatz, I-AID, identifiziert verwertbare Informationen in katastrophenbezogenen Tweets für Notfallmanager und Hilfsorganisationen. Ein Ansatz, MultPAX, fasst katastrophenbezogene Tweets zusammen, indem er hervorstechende Phrasen extrahiert und die Identifizierung von Themen, Trends oder Hashtags ohne Hashtags ermöglicht. Wir evaluieren unsere Ansätze an realen Datensätzen von Tweets, die von verschiedenen Katastrophenereignissen gesammelt wurden, und zeigen, dass sie den aktuellen Stand der Technik übertreffen.
AU  - Zahera, Hamada
CY  - Paderborn
DA  - 2023
DO  - 10.17619/UNIPB/1-1785
DP  - Universität Paderborn
LA  - ger
N1  - Tag der Verteidigung: 17.07.2023
N1  - Universität Paderborn, Dissertation, 2023
PB  - Veröffentlichungen der Universität
PY  - 2023
SP  - 1 Online-Ressource (xviii, 131 Seiten)
T2  - Institut für Informatik
TI  - Leveraging Social Media in disaster situations
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-45472
Y2  - 2026-01-16T21:17:10
ER  -