摘要面向孟加拉语低资源场景的多模态灾害识别数据集共包含 7,903 条样本同时提供社交媒体文本与灾害图像信息数据集概述面向孟加拉语低资源场景的多模态灾害识别数据集共包含 7,903 条样本同时提供社交媒体文本与灾害图像信息。数据集覆盖地震、洪水、山体滑坡、野火、热带风暴、干旱、人员受灾以及非灾害共 8 个类别其中训练集 6,323 条、验证集 790 条、测试集 790 条。该数据集主要用于研究如何融合文本语义与视觉特征从海量社交媒体信息中快速识别真实、相关的灾害内容为灾情感知和应急决策提供数据支持。数据结构与关键特征数据集采用文本 图像的多模态数据结构每个样本同时包含孟加拉语灾害描述及相应视觉内容可分别进行文本分类、图像分类和多模态融合分类。文本模态可使用 mBERT、XLM-RoBERTa 等预训练语言模型提取语义特征图像模态则可使用 Swin Transformer、ViT、PVT、EfficientFormer 等视觉模型进行特征编码。数据集支持 Early Fusion、Late Fusion 和 Intermediate Fusion 等多种融合策略其中 Swin Transformer 与 mBERT 组成的 DisasterMultiFusionNet 在早期融合方案中取得 85.25% 的准确率和 85.32% 的 F1-Score优于单独文本模型和单独图像模型。应用价值与研究方向该数据集可应用于灾害自动识别、社交媒体灾情监测、应急信息筛选、多模态深度学习以及低资源语言智能分析等任务。研究者可以进一步开展灾害严重程度识别、灾害阶段分类、孟加拉语方言适配、模型可解释性分析以及跨区域迁移学习研究并结合 Grad-CAM、SHAP、LIME 和视觉语言模型解释预测结果。未来还可探索大语言模型微调、联邦学习、跨模态对齐以及低算力环境下的轻量化部署从而提升灾害条件下多模态智能系统的实用性与可靠性。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-376文件大小1.8G原创声明本数据集为整理作品