論文の概要: Clustering of Social Media Messages for Humanitarian Aid Response during
Crisis
- arxiv url: http://arxiv.org/abs/2007.11756v1
- Date: Thu, 23 Jul 2020 02:18:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 12:57:55.967336
- Title: Clustering of Social Media Messages for Humanitarian Aid Response during
Crisis
- Title(参考訳): 危機時の人道支援のためのソーシャルメディアメッセージのクラスタリング
- Authors: Swati Padhee (1), Tanay Kumar Saha (2), Joel Tetreault (2), and
Alejandro Jaimes (2) ((1) Wright State University, Dayton, OH, (2) Dataminr
Inc., New York, NY)
- Abstract要約: 近年のDeep Learning and Natural Language Processingの進歩は,情報度を分類する作業において,事前のアプローチよりも優れていることを示す。
本稿では,これらの手法を2つのサブタスクに拡張し,Deep Learning法も有効であることを示す。
- 参考スコア(独自算出の注目度): 47.187609203210705
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media has quickly grown into an essential tool for people to
communicate and express their needs during crisis events. Prior work in
analyzing social media data for crisis management has focused primarily on
automatically identifying actionable (or, informative) crisis-related messages.
In this work, we show that recent advances in Deep Learning and Natural
Language Processing outperform prior approaches for the task of classifying
informativeness and encourage the field to adopt them for their research or
even deployment. We also extend these methods to two sub-tasks of
informativeness and find that the Deep Learning methods are effective here as
well.
- Abstract(参考訳): ソーシャルメディアは、危機時のニーズをコミュニケーションし、表現するための重要なツールとして急速に成長してきた。
危機管理のためのソーシャルメディアデータ分析における以前の作業は、主に、実行可能(または、情報に富んだ)危機関連メッセージの自動識別に重点を置いてきた。
本稿では,近年の深層学習と自然言語処理の進歩が,情報化の課題に対する先行的アプローチを上回っており,研究や展開に現場で採用するよう促していることを示す。
また,これらの手法を2つのサブタスクに拡張し,Deep Learning法も有効であることを示す。
関連論文リスト
- Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳(メタデータ) (2024-11-07T21:37:51Z) - CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。
本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。
この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
論文 参考訳(メタデータ) (2024-06-16T23:01:10Z) - CReMa: Crisis Response through Computational Identification and Matching of Cross-Lingual Requests and Offers Shared on Social Media [5.384787836425144]
危機の時代には、ソーシャルメディアプラットフォームはコミュニケーションの促進と資源の調整において重要な役割を担っている。
本稿では,CReMa(Crisis Response Matcher)を提案する。
16言語でヘルプ検索をシミュレートし,ソーシャルメディアに支援を提供する新しい多言語データセットを提案する。
論文 参考訳(メタデータ) (2024-05-20T09:30:03Z) - Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳(メタデータ) (2023-11-22T02:45:01Z) - Coping with low data availability for social media crisis message
categorisation [3.0255457622022495]
この論文は、緊急対応のための危機メッセージの分類において、データ可用性の低い課題に対処することに焦点を当てている。
これはまず、過去の危機イベントから注釈付きデータから分類モデルを学ぶことを含む、この問題の解決策としてドメイン適応を提示する。
モデルが過去の複数のイベントに対してトレーニングされ、進行中の複数のイベントに適応する多対多適応では、マルチタスク学習アプローチが提案される。
論文 参考訳(メタデータ) (2023-05-26T19:08:24Z) - CrisisLTLSum: A Benchmark for Local Crisis Event Timeline Extraction and
Summarization [62.77066949111921]
本稿では,現在までに利用可能な地域危機イベントタイムラインの最大のデータセットであるCrisisLTLSumについて述べる。
CrisisLTLSumには、山火事、地元の火災、交通、嵐の4つの領域にわたる1000の危機イベントタイムラインが含まれている。
最初の実験では, 両タスクの人的性能と比較して, 強いベースライン性能の間に有意な差があることが示唆された。
論文 参考訳(メタデータ) (2022-10-25T17:32:40Z) - The Ethical Risks of Analyzing Crisis Events on Social Media with
Machine Learning [0.7817685358710509]
ソーシャルメディアプラットフォームは、世界規模で危機イベントに関するリアルタイムニュースの連続ストリームを提供する。
いくつかの機械学習手法は、クラウドソースされたデータを用いて、危機の自動検出と、その前駆体と後駆体のキャラクタリゼーションを行う。
本研究は、機械学習手法に着目した危機事象のソーシャルメディア分析における倫理的リスク要因を特定し、分析する。
論文 参考訳(メタデータ) (2022-10-07T06:54:54Z) - "Help! Can You Hear Me?": Understanding How Help-Seeking Posts are
Overwhelmed on Social Media during a Natural Disaster [16.152052173909855]
人気の中国のソーシャルメディアプラットフォームWeiboに「Henan Rainstorm Mutual Aid」というキーワードで141,674件のヘルプ検索記事を収集した。
我々は,言語的・非言語的なヘルプ検索戦略を発見し,過剰な力の予防に役立てる。
論文 参考訳(メタデータ) (2022-05-25T07:14:58Z) - Bridging the gap between supervised classification and unsupervised
topic modelling for social-media assisted crisis management [0.5249805590164902]
Twitterなどのソーシャルメディアは、自然災害時に危機管理者や被災者に貴重な情報を提供します。
機械学習は、危機時に共有される大量のメッセージから情報を構造化および抽出するのに役立ちます。
bertembedsが危機関連ツイートの分類を微調整することで,新たな危機に効果的に対応できることを示す。
論文 参考訳(メタデータ) (2021-03-22T13:30:39Z) - Deep Learning Techniques for Future Intelligent Cross-Media Retrieval [58.20547387332133]
マルチメディア検索は、ビッグデータアプリケーションにおいて重要な役割を果たす。
マルチモーダルなディープラーニングアプローチが直面する課題に応じて,新しい分類法を提供する。
検索によく知られたクロスメディアデータセットを提示する。
論文 参考訳(メタデータ) (2020-07-21T09:49:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。