Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/21056
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Boné, J. | - |
dc.contributor.author | Dias, M. | - |
dc.contributor.author | Ferreira, J. C. | - |
dc.contributor.author | Ribeiro, R. | - |
dc.date.accessioned | 2021-01-04T11:17:10Z | - |
dc.date.available | 2021-01-04T11:17:10Z | - |
dc.date.issued | 2020 | - |
dc.identifier.issn | 2076-3417 | - |
dc.identifier.uri | http://hdl.handle.net/10071/21056 | - |
dc.description.abstract | This research is aimed at creating and presenting DisKnow, a data extraction system with the capability of filtering and abstracting tweets, to improve community resilience and decision-making in disaster scenarios. Nowadays most people act as human sensors, exposing detailed information regarding occurring disasters, in social media. Through a pipeline of natural language processing (NLP) tools for text processing, convolutional neural networks (CNNs) for classifying and extracting disasters, and knowledge graphs (KG) for presenting connected insights, it is possible to generate real-time visual information about such disasters and affected stakeholders, to better the crisis management process, by disseminating such information to both relevant authorities and population alike. DisKnow has proved to be on par with the state-of-the-art Disaster Extraction systems, and it contributes with a way to easily manage and present such happenings. | eng |
dc.language.iso | eng | - |
dc.publisher | MDPI AG | - |
dc.relation | UIDB/50021/2020 | - |
dc.relation | UIDB/04466/2020 | - |
dc.rights | openAccess | - |
dc.subject | Disaster management | eng |
dc.subject | Natural language processing | eng |
dc.subject | Information extraction | eng |
dc.subject | Crowdsourcing | eng |
dc.subject | Automatic knowledge base construction | eng |
dc.subject | Knowledge graphs | eng |
dc.title | DisKnow: a social-driven disaster support knowledge extraction system | eng |
dc.type | article | - |
dc.peerreviewed | yes | - |
dc.journal | Applied Sciences | - |
dc.volume | 10 | - |
dc.number | 17 | - |
degois.publication.issue | 17 | - |
degois.publication.title | DisKnow: a social-driven disaster support knowledge extraction system | eng |
dc.date.updated | 2021-01-04T11:12:37Z | - |
dc.description.version | info:eu-repo/semantics/publishedVersion | - |
dc.identifier.doi | 10.3390/app10176083 | - |
dc.subject.fos | Domínio/Área Científica::Ciências Naturais::Ciências da Computação e da Informação | por |
dc.subject.fos | Domínio/Área Científica::Ciências Naturais::Ciências Físicas | por |
dc.subject.fos | Domínio/Área Científica::Ciências Naturais::Ciências Químicas | por |
dc.subject.fos | Domínio/Área Científica::Ciências Naturais::Outras Ciências Naturais | por |
dc.subject.fos | Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Civil | por |
dc.subject.fos | Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Química | por |
dc.subject.fos | Domínio/Área Científica::Engenharia e Tecnologia::Engenharia dos Materiais | por |
iscte.identifier.ciencia | https://ciencia.iscte-iul.pt/id/ci-pub-74180 | - |
iscte.alternateIdentifiers.wos | WOS:000569973900001 | - |
iscte.alternateIdentifiers.scopus | 2-s2.0-85090366803 | - |
Aparece nas coleções: | ISTAR-RI - Artigos em revistas científicas internacionais com arbitragem científica |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
applsci-10-06083 (1).pdf | Versão Editora | 606,28 kB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.