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

Resumen

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.