Portability of semantic and spatial-temporal machine learning methods to analyse social media for near-real-time disaster monitoring. | Nat Hazards (Dordr);108(3): 2939-2969, 2021. | MEDLINE

Contenido principal 1 Búsqueda 2 Pie de página 3

+A A -A Alto contraste

Portal de Búsqueda de la BVS

Información y Conocimiento para la Salud

Localizar descriptor de asunto Búsqueda Avanzada

Portability of semantic and spatial-temporal machine learning methods to analyse social media for near-real-time disaster monitoring.

Havas, Clemens; Resch, Bernd.

Afiliación

Havas C; Department of Geoinformatics, Paris-Lodron University of Salzburg, 5020 Salzburg, Austria.
Resch B; Department of Geoinformatics, Paris-Lodron University of Salzburg, 5020 Salzburg, Austria.

Nat Hazards (Dordr) ; 108(3): 2939-2969, 2021.

Article en En | MEDLINE | ID: mdl-34789962

Palabras clave

Disaster management; Geospatial analysis; Machine learning; Semantic topic analysis; Social media

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Tipo de estudio: Prognostic_studies Idioma: En Revista: Nat Hazards (Dordr) Año: 2021 Tipo del documento: Article País de afiliación: Austria

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Tipo de estudio: Prognostic_studies Idioma: En Revista: Nat Hazards (Dordr) Año: 2021 Tipo del documento: Article País de afiliación: Austria