Resumen de Detección de situaciones de emergencias usando el modelo Naive- Bayes de machine learning.

Iván Leonel Vásquez Rojas, Miguel Vivas Cortez

• español

  En la actualidad las redes sociales han ganado terreno en la generación y obtención de información al instante, esta característica la hace de gran utilidad en la detección y advertencias de emergencias tales como accidentes viales, incendios, tormentas, inundaciones, etc. Esto ha motivado la generación de una gran cantidad de trabajos acerca del aprovechamiento de esta información para enfrentar los problemas generados por tales emergencia,  trabajo como el  de A. Kansal, Y. Singh, N. Kumar “Detection of forest fire using Machine Learning technique” [1] o de Chamorro Verónica “Clasificación de tweets mediante modelos de aprendizaje supervisado” [2], muestran el uso de técnicas de machine learning para la detección de situaciones extraordinarias. Tras estas situaciones catastróficas o de emergencias es necesario gestionar los servicios de atención y protección de la población, problemas como caos informativo, incertidumbre en las necesidades y servicios pueden encontrar solución en la detección oportuna de cuales eventos son realmente emergencias, así el propósito de este trabajo usamos mensajes de X (Twitter) para clasificar cuales emergencias en si realmente lo son o no lo son. Utilizamos el algoritmo de machine Learning conocido como Naive-Bayes en este problema de clasificación de los mensajes de X, para determinar las emergencias reales, con un resultado en la evaluación de la exactitud en la clasificación de emergencia real con una proporción de 73.4% entre las clasificadas como emergencias y clasifica las emergencias falsas con una precisión de 75.4% entre la clasificada como falsa. En general el modelo obtenido tiene una exactitud de 74.6% en sus pronósticos de clasificación. Se considera que la utilización de un modelo Naive-Bayes para un prototipo en la clasificación de los mensajes de emergencias de la red social X podría ser de gran utilidad en base a los resultados de la evaluación de su performance de clasificación.

• English

  Currently, social networks have gained ground in generating and obtaining information instantly, this feature makes it very useful in the detection and warnings of emergencies such as road accidents, fires, storms, floods, etc. This has motivated the generation of a large number of works about the use of this information to face the problems generated by such emergencies, work such as that of A. Kansal, Y. Singh, N. Kumar and V. Mohindru "Detection of forest fire using Machine Learning technique" [1] or by Chamorro Verónica "Classification of tweets using supervised learning models" [2], show the use of machine learning techniques for the detection of extraordinary situations. After these catastrophic or emergency situations it is necessary to manage the services of attention and protection of the population, problems such as information chaos, uncertainty in the needs and services can find a solution in the timely detection of which events are really emergencies, so the purpose of this work we use X messages (Twitter) to classify which emergencies if they really are or are not. We use the machine learning algorithm known as Naive-Bayes in this problem of classification of X messages, to determine the real emergencies, with a result in the evaluation of the accuracy in the real emergency classification with a ratio of 73.4% among those classified as emergencies and classifies false emergencies with an accuracy of 75.4% among those classified as false. In general, the model obtained has an accuracy of 74.6% in its classification forecasts. It is considered that the use of a Naive-Bayes model for a prototype in the classification of emergency messages of the social network X could be very useful based on the results of the evaluation of its classification performance.