arXiv cs.AI· Yihang Cao, Milena Radenkovic·· 13 小时前AI 评分24
基于 NLP 的消息优先级排序如何用于机会路由：尼泊尔地震应急通信案例研究
NLP-based Message Prioritisation for Opportunistic Routing: A Case Study of Nepal Earthquake Emergency Communication
AI 导读
该研究以 2015 年尼泊尔地震为案例，检验基于 NLP 的语义消息优先级排序能否改善机会式应急通信中的紧急消息处理。研究用 TF-IDF+Logistic Regression 与 BERT 将社交媒体消息分为九类人道主义类别并映射为 P1–P4 四级路由优先级，接入 ONE 模拟器的加德满都地震场景与改进型 Binary Spray and Wait 路由器。
正文 · AI 翻译
摘要：本论文以 2015 年尼泊尔地震为案例，研究基于自然语言处理（NLP）的语义消息优先级排序能否改善机会式应急通信中紧急灾害消息的处理。研究使用 TF-IDF 结合逻辑回归和 BERT，将社交媒体消息分类为九个人道主义类别，并映射为 P1 至 P4 四个路由优先级。这些优先级通过修改后的 Binary Spray and Wait 路由器，集成到受控加德满都地震场景中的 ONE 模拟器内。与逻辑回归相比，BERT 实现了更高的优先级准确率和 P1 召回率，同时减少了优先级低估和严重优先级错误。然而，NLP 性能的提升并未带来一致的网络收益。P1 投递概率在各路由条件下均保持较高且相近，也未观察到一致的延迟降低。最明显的差异出现在缓冲区压力下：与逻辑回归条件相比，BERT 条件下观察到的真实 P1 缓冲区丢失更少。结果表明，当有限的传输和存储资源发生竞争时，语义优先级排序最具价值，但它无法克服机会式网络中的移动性和接触约束。
| 主题： | 网络与互联网架构（cs.NI）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37933 [cs.NI] |
| （或本版本的 arXiv:2610.37933v1 [cs.NI]） | |
| https://doi.org/10.48550/arXiv.2610.37933 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Milena Radenkovic [查看电子邮件]
[v1]
2026 年 10 月 27 日星期二 20:25:01 UTC（6,310 KB）
来源：arXiv cs.AI · arxiv.org