Estás leyendo la publicación: Investigadores del Imperial College London han desarrollado un nuevo modelo de aprendizaje automático que utiliza datos de redes sociales para predecir y monitorear incendios forestales con mayor precisión…
A medida que el uso de las redes sociales ha crecido durante la última década, las personas han desarrollado una tendencia a escribir sobre los eventos que ocurren a su alrededor en las redes sociales. Por lo tanto, hay grandes cantidades de datos que contienen mucha información, por ejemplo, informes de desastres, propagación de enfermedades, etc. En los últimos años, los científicos e investigadores también están aprovechando las redes sociales para construir sistemas para detectar y predecir desastres naturales. Un grupo de científicos del Imperial College, Reino Unido, ha creado el primer sistema para la detección en tiempo real de incendios forestales utilizando datos de sensores físicos y datos de redes sociales.
Los investigadores han utilizado datos de Twitter para crear un conjunto de datos de incendios forestales utilizando métodos avanzados de filtrado y optimización de consultas. Luego realizaron un análisis sentimental de esos datos de Twitter para extraer los sentimientos humanos asociados con los incendios forestales. Esto da como resultado un sólido conjunto de datos que contiene no solo datos regionales sobre incendios forestales, sino también datos locales sobre incendios forestales. Varios algoritmos de ML procesan aún más este conjunto de datos de alta calidad para predecir mejor los incendios forestales, creando un sólido sistema de respuesta ante desastres.
Fuente: https://link.springer.com/article/10.1007/s42001-022-00174-8Los investigadores han utilizado datos históricos de incendios forestales satelitales que contienen varios atributos físicos en este trabajo. Han utilizado algunos de estos atributos, a saber, la latitud, la longitud y la hora de inicio y finalización del incendio forestal, para generar consultas de datos de Twitter y seleccionar tweets relevantes. Para obtener la máxima relevancia del tweet, los investigadores han utilizado varios criterios para seleccionar tweets, como si el tweet contiene palabras clave y hashtags relevantes. Sin embargo, eso también podría contener tweets ruidosos; por ejemplo, ‘fuego’, ‘quemar’, etc. puede expresar varios significados, desde puntos de vista políticos hasta varias otras analogías. De ahí que los tuits se vuelvan a filtrar para eliminar estos ruidos.
Los tweets filtrados se pasan a través de modelos NLP (Natural Language Processing) para generar variables de sentimiento social, a saber, Sentiment score (describe el atributo emocional del texto, un valor que oscila entre -1 y 1) y Sentiment Magnitude (describe la Magnitud del atributo emocional, el valor varía entre 0,0 y +inf. Para una publicación individual, la puntuación y la magnitud se calculan promediando todas las puntuaciones y magnitudes de todas las palabras. Luego, los modelos ML se usan para aprender a mapear para predecir los sentimientos sociales hacia un incendio forestal de los atributos físicos del fuego y viceversa. Los investigadores han experimentado con Gradient-Boosted Random Forest, Neural Network Regressor, Support Vector Regressor, etc. en el módulo de predicción.
Por lo tanto, los investigadores han demostrado una relación entre los sentimientos sociales en línea y la actividad de incendios forestales en este trabajo. Esto ayudaría en la predicción sólida de incendios forestales, localizando áreas peligrosas y servicios de emergencia. En el futuro, este enfoque puede aplicarse a otros eventos y desastres naturales.
Este artículo está escrito como un artículo de resumen de investigación por el personal de Marktechpost basado en el trabajo de investigación ‘Incendio forestal sentimental: un modelo de aprendizaje automático de física social para el pronóstico inmediato de incendios forestales‘. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la papel y artículo de referencia.
Por favor no olvides unirte Nuestro subreddit de ML
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
