Problems of risk management in the technosphere Problems of risk management in the technosphere Проблемы управления рисками в техносфере 1998-8990 112579 10.61260/1998-8990-2025-4-52-63 Снижение рисков и ликвидация последствий чрезвычайных ситуаций. Обеспечение безопасности при ЧС Risk reduction and elimination of consequences of emergency situations. Ensuring safety in case of emergency Снижение рисков и ликвидация последствий чрезвычайных ситуаций. Обеспечение безопасности при ЧС ANALYSIS OF METHODS AND APPROACHES FOR PREDICTING THE DEVELOPMENT OF INCIDENTS BASED ON INFORMATION FROM SOCIAL NETWORKS АНАЛИЗ МЕТОДОВ И ПОДХОДОВ ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ ПРОИСШЕСТВИЙ ПО ИНФОРМАЦИИ ИЗ СОЦИАЛЬНЫХ СЕТЕЙ Дейнека Евгений Григорьевич Deineka Evgeny G. Главное управление МЧС России по Ленинградской области Мурино Россия Main directorate of EMERCOM of Russia in the Leningrad region Murino Russian Federation Санкт-Петербургский университет ГПС МЧС России Санкт-Петербург Россия Saint-Petersburg university of State fire service of EMERCOM of Russia Saint-Petersburg Russian Federation 24 12 2025 24 12 2025 2025 4 52 63 08 10 2025 26 11 2025 https://journals.igps.ru/en/nauka/article/112579/view

Проведён анализ методов и подходов прогнозирования развития происшествий по информации из социальных сетей. Показана актуальность темы исследования, продемонстрировано, что существующие методы и подходы обладают рядом недостатков, которые не позволяют в должной степени использовать их для решения задач МЧС России. В заключении статьи автор приходит к мнению о целесообразности разработки новой авторской методики, в которой будут исключены выявленные недостатки.

This article analyzes methods and approaches for predicting incident development using social media information. It demonstrates the relevance of the research topic and demonstrates that existing methods and approaches have several shortcomings that prevent them from being adequately utilized to address the needs of EMERCOM of Russia. In the article's conclusion, the author concludes that it would be beneficial to develop a new, proprietary methodology that would address the identified shortcomings.

 социальные сети прогнозирование происшествия экстренные службы информационные технологии social networks forecasting incidents emergency services information technology

Беген П.Н., Низомутдинов Б.А. Разработка метода извлечения адреса из текста сообщений о происшествиях в социальных сетях для формирования геопривязанных данных // Альманах научных работ молодых учёных университета ИТМО. СПб., 2021. С. 152–155. Begen P.N., Nizomutdinov B.A. Razrabotka metoda izvlecheniya adresa iz teksta soobshchenij o proisshestviyah v social'nyh setyah dlya formirovaniya geoprivyazannyh dannyh // Al'manah nauchnyh rabot molodyh uchyonyh universiteta ITMO. SPb., 2021. S. 152–155. Агеева А.А. Анализ тональности постов сообществ социальной сети «Вконтакте» // Общество. Наука. Инновации (НПК-2022): сб. статей XXII Всерос. науч.-практ. конф.: в 2-х т. Киров, 2022. С. 172–179. Ageeva A.A. Analiz tonal'nosti postov soobshchestv social'noj seti «Vkontakte» // Obshchestvo. Nauka. Innovacii (NPK-2022): sb. statej XXII Vseros. nauch.-prakt. konf.: v 2-h t. Kirov, 2022. S. 172–179. Фокина А.И., Чеповский А.А., Чеповский А.М. Использование платформы TXM корпусного анализа для анализа текстов сообществ социальных сетей // Вестник НГУ. Сер.: Информацонные технологии. 2023. Т. 21. № 2. С. 29–38. DOI: 10.25205/1818-7900-2023-21-2-29-38. Fokina A.I., Chepovskij A.A., Chepovskij A.M. Ispol'zovanie platformy TXM korpusnogo analiza dlya analiza tekstov soobshchestv social'nyh setej // Vestnik NGU. Ser.: Informaconnye tekhnologii. 2023. T. 21. № 2. S. 29–38. DOI: 10.25205/1818-7900-2023-21-2-29-38. Методика анализа данных о чрезвычайных ситуациях в социальных сетях / А.В. Вострых [и др.] // Современные наукоемкие технологии. 2023. № 6. С. 81–88. DOI: 10.17513/snt.39635. Metodika analiza dannyh o chrezvychajnyh situaciyah v social'nyh setyah / A.V. Vostryh [i dr.] // Sovremennye naukoemkie tekhnologii. 2023. № 6. S. 81–88. DOI: 10.17513/snt.39635. Вострых А.В., Самарин М.А., Максимов А.В. Анализ существующих подходов получения и обработки данных из социальных сетей // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». 2023. № 1. С. 109–120. Vostryh A.V., Samarin M.A., Maksimov A.V. Analiz sushchestvuyushchih podhodov polucheniya i obrabotki dannyh iz social'nyh setej // Nauchno-analiticheskij zhurnal «Vestnik Sankt-Peterburgskogo universiteta Gosudarstvennoj protivopozharnoj sluzhby MCHS Rossii». 2023. № 1. S. 109–120. Вострых А.В., Медведев Д.В. Алгоритм многокритериального анализа текстовой информации // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». 2023. № 3. С. 118–128. Vostryh A.V., Medvedev D.V. Algoritm mnogokriterial'nogo analiza tekstovoj informacii // Nauchno-analiticheskij zhurnal «Vestnik Sankt-Peterburgskogo universiteta Gosudarstvennoj protivopozharnoj sluzhby MCHS Rossii». 2023. № 3. S. 118–128. Вострых А.В., Самарин М.А., Модели описания информационных ресурсов социальных сетей // Студент: наука, профессия, жизнь: материалы X Всерос. студенческой науч. конф. с междунар. участием: в 5-ти ч. Омск, 2023. С. 288–293. Vostryh A.V., Samarin M.A., Modeli opisaniya informacionnyh resursov social'nyh setej // Student: nauka, professiya, zhizn': materialy X Vseros. studencheskoj nauch. konf. s mezhdunar. uchastiem: v 5-ti ch. Omsk, 2023. S. 288–293. Ding J., Liu L., Wang Yu. Stochastic Game Model for Information Dissemination of Emergency Events in Social Network // Intelligence and Security Informatics (ISI), IEEE International Conference. 2013. P. 166–168. Ding J., Liu L., Wang Yu. Stochastic Game Model for Information Dissemination of Emergency Events in Social Network // Intelligence and Security Informatics (ISI), IEEE International Conference. 2013. P. 166–168. Синев М.П. Алгоритмический подход к анализу профиля пользователя социальной сети на основе мультимодальных темпоральных данных // XXI век: итоги прошлого и проблемы настоящего плюс. 2020. Т. 9. № 1 (49). С. 14–20. Sinev M.P. Algoritmicheskij podhod k analizu profilya pol'zovatelya social'noj seti na osnove mul'timodal'nyh temporal'nyh dannyh // XXI vek: itogi proshlogo i problemy nastoyashchego plyus. 2020. T. 9. № 1 (49). S. 14–20. Batura T.V. Models and methods of analysis of computer social networks // Software products and systems. 2013. № 3. P. 24–39. Batura T.V. Models and methods of analysis of computer social networks // Software products and systems. 2013. № 3. P. 24–39. Gandon F., Buffa M., Corby O. Semantic Social Network Analysis // Proc. 8th Intern. Semantic Web Conf. 2009. P. 180–195. Gandon F., Buffa M., Corby O. Semantic Social Network Analysis // Proc. 8th Intern. Semantic Web Conf. 2009. P. 180–195. Журафски Д., Мартин Дж. Х. Speech and Language Processing. URL: https://web.stanford.edu/~jurafsky/slp3/ (дата обращения: 20.09.2025). Zhurafski D., Martin Dzh. H. Speech and Language Processing. URL: https://web.stanford.edu/~jurafsky/slp3/ (data obrashcheniya: 20.09.2025). Cambria E., White B. Jumping NLP Curves: A Review of Natural Language Processing Research // IEEE Computational Intelligence Magazine. 2014. Т. 9. № 2. С. 48–57. Cambria E., White B. Jumping NLP Curves: A Review of Natural Language Processing Research // IEEE Computational Intelligence Magazine. 2014. T. 9. № 2. S. 48–57. Liu B. Sentiment Analysis and Opinion Mining // Synthesis Lectures on Human Language Technologies. 2012. № 5 (1). 167 с. Liu B. Sentiment Analysis and Opinion Mining // Synthesis Lectures on Human Language Technologies. 2012. № 5 (1). 167 s. Feldman R. Techniques and Applications for Sentiment Analysis // Communications of the ACM. 2013. № 56 (4). P. 82–89. Feldman R. Techniques and Applications for Sentiment Analysis // Communications of the ACM. 2013. № 56 (4). P. 82–89. Bishop C.M., Бишоп К.М. Pattern Recognition and Machine Learning. Springer. 2006. P. 19–24. Bishop C.M., Bishop K.M. Pattern Recognition and Machine Learning. Springer. 2006. P. 19–24. Zhang Yu., Zhang D. Deep Learning for Social Media Data Analysis // IEEE Transactions on Neural. 2018. P. 81–94. Zhang Yu., Zhang D. Deep Learning for Social Media Data Analysis // IEEE Transactions on Neural. 2018. P. 81–94. Leskovec J., Kleinberg J., Faloutsos C. Graphs over time: Densification laws, shrinking diameters and possible explanations // Proc. 11th ACM SIGKDD Intern. Conf. on Knowledge Discovery in Data Mining. NY. 2005. P. 177–187. Leskovec J., Kleinberg J., Faloutsos C. Graphs over time: Densification laws, shrinking diameters and possible explanations // Proc. 11th ACM SIGKDD Intern. Conf. on Knowledge Discovery in Data Mining. NY. 2005. P. 177–187. Vincent D.B., Jean-Loup G., Renaud L. Fast unfolding of communities in large networks // arXiv: 0803.0476v2. 2008. P. 594–609. Vincent D.B., Jean-Loup G., Renaud L. Fast unfolding of communities in large networks // arXiv: 0803.0476v2. 2008. P. 594–609. Airoldi E.M. Mixed membership stochastic blockmodels // Learn. Res. 9. 2008. P. 1981–2014. Airoldi E.M. Mixed membership stochastic blockmodels // Learn. Res. 9. 2008. P. 1981–2014.