基于Bi-LSTM+Attention公共安全危机识别

摘要

公共安全危机对社会稳定和人权构成威胁,令人担忧。社交媒体上帖子的可用性使得公共安全危机更容易被探测。然而,手动浏览和分析大量可用帖子耗时且效率低下。鉴于深度学习技术在自然语言处理方面的优势,采用深度学习技术自动识别潜在的公共安全危机成为当前的迫切需求。文中以家庭暴力危机为例,将社交媒体Facebook上有关家庭暴力的英文帖子作为研究对象,通过Facebook GraphAPI获取后进行文本预处理。采用Word2vec方法构建词向量模型,使用Bi-LSTM+self-Attention(SA-BiLSTM)深度学习模型完成了家庭暴力危机识别任务,并与CNN、RNN(recurrent neural network,循环神经网络)、LSTM三个神经网络模型进行了比较。实验结果显示,CNN和LSTM模型表现明显好于RNN,与SA-BiLSTM模型表现相接近;同时,使用self-Attention机制后Bi-LSTM模型综合表现最好,F1值、召回率、准确率均最高,其中召回率和准确率超过90%。该研究成果将为使用深度学习技术自动探测公共安全危机问题提供参考和帮助。