基于 Bi-LSTM+Attention 公共安全危机识别

来源：计算机技术与发展杂志2022年第04期北京时间：

作者：王志晓;';李卓淳;闫文耀

单位：1. 西安理工大学 计算机科学与工程学院,陕西 西安 710048;2. 陕西省网络计算与安全技术重点实验室,陕西 西安 710048;3. 延安大学 西安创新学院,陕西 西安 710100

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 neuralnetwork,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。

关键词：公共安全;社交媒体;家庭暴力;深度学习;文本挖掘