来源：期刊VIP网 时间：
作者：张乐;张海龙;李锋;吴敏;
单位：江苏科技大学经济管理学院;
摘要：为了实现在城市内涝舆情信息中快速、精准地识别相关风险要素，首先基于新浪微博平台，对用户评论信息及媒体发布信息进行采集、整理及标注，构建了城市内涝灾害事件语料数据集。进而针对城市内涝舆情信息格式不统一、语义复杂且风险要素识别的专业性、精准度要求较高等问题，结合自然灾害系统理论的风险要素框架，提出了一种基于双向编码器表征法-双向长短期记忆-条件随机场(Bidirectional Encoder Representations from Transformers-Bidirectional Long Short-Term Memory-Conditional Random Field, BERT-BiLSTM-CRF)的识别方法，并开展了一系列模型验证试验。对比试验结果表明，该模型在准确率、召回率、F_1三项指标上均有较好表现，其中准确率为84.62%,召回率为86.19%,F_1为85.35%,优于其他对比模型。消融试验结果表明，BERT预训练模型对于该模型性能有着更为显著的影响。综合上述试验结果，可以验证该模型能够有效识别城市内涝舆情信息中的各类风险要素，进而为城市内涝灾害风险管控的数智化转型提供研究依据。
关键词：公共安全;;城市内涝;;双向编码器表征法;;双向长短期记忆网络;;条件随机场;;舆情信息;;风险要素识别
基金资助：国家社会科学基金项目(22BGL235);; 国家自然科学基金项目(72374088);; 江苏省社会科学基金项目(24GLB006,22GLB036);; 江苏省研究生科研与实践创新计划项目(SJCX252500)
