.png){kind=icon}
返回
Utilizing temporal knowledge graphs for disaster detection and analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2026.117058.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着各类灾害频发，导致人员伤亡和财产损失增加，分析大量灾害数据以实现快速、准确的检测和响应至关重要。然而，灾害相关数据来源多样且分散在不同机构，使得实时集成分析困难，限制了初期响应和态势感知能力。本文提出利用社交媒体、公开数据和新闻数据构建时序知识图谱（TKGs）来表示灾害相关数据之间的关系。该方法捕捉时间变化并从演变的灾害数据中提取有意义的见解。我们采用社交数据子图评估灾害检测能力，使用四种图神经网络（GNN）模型：图卷积网络（GCN）、样本和聚合（GraphSAGE）、图注意力网络（GAT）和门控图卷积网络（GGCN）。实验结果表现出前景，F1分数约为82%。此外，以K均值聚类为基准的性能评估证实了GNN模型在灾害检测方面的优越能力。为扩展分析超越短期检测，我们整合多个知识图谱（KGs）进行长期分析，形成统一的KG。该方法聚合新闻数据子图以构建合并图，并应用命名实体识别（NER）模型提取灾害相关实体。评估过程通过提取的实体评估NER模型的性能，展示了其识别未见实体和自动提取关键信息的能力。结果表明，所提出的方法有效支持灾害态势分析，识别级联灾害事件，提供对灾害动态的全面理解。
Keyword:
Temporal knowledge graphs
Graph neural networks
Graph integration
Disaster detection
Situation analysis
