Fugu-MT 論文翻訳(概要): Relevance Classification of Flood-related Twitter Posts via Multiple Transformers

論文の概要: Relevance Classification of Flood-related Twitter Posts via Multiple Transformers

arxiv url: http://arxiv.org/abs/2301.00320v1
Date: Sun, 1 Jan 2023 01:34:15 GMT
ステータス: 処理完了
システム内更新日: 2023-01-03 14:42:57.200691
Title: Relevance Classification of Flood-related Twitter Posts via Multiple Transformers
Title（参考訳）: 複数変圧器を用いた洪水関連Twitter投稿の関連分類
Authors: Wisal Mukhtiar, Waliiya Rizwan, Aneela Habib, Yasir Saleem Afridi, Laiq Hasan, Kashif Ahmad
Abstract要約: そこで本稿では,Twitterのノイズに対処するテキスト分類フレームワークを提案する。より具体的には、関係のあるTwitter投稿と関連のないTwitter投稿を区別するために、個人と組み合わせて複数のトランスフォーマーを使用しました。
参考スコア（独自算出の注目度）: 3.7399138244928145
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In recent years, social media has been widely explored as a potential source of communication and information in disasters and emergency situations. Several interesting works and case studies of disaster analytics exploring different aspects of natural disasters have been already conducted. Along with the great potential, disaster analytics comes with several challenges mainly due to the nature of social media content. In this paper, we explore one such challenge and propose a text classification framework to deal with Twitter noisy data. More specifically, we employed several transformers both individually and in combination, so as to differentiate between relevant and non-relevant Twitter posts, achieving the highest F1-score of 0.87.
Abstract（参考訳）: 近年,災害や緊急事態時のコミュニケーションや情報発信源として,ソーシャルメディアが広く研究されている。自然災害のさまざまな側面を探求する災害分析に関するいくつかの興味深い研究や事例研究がすでに行われている。大きな可能性に加えて、災害分析には、主にソーシャルメディアコンテンツの性質によるいくつかの課題が伴う。本稿では,このような課題について検討し,Twitterのノイズデータを扱うためのテキスト分類フレームワークを提案する。具体的には、関連するTwitter投稿と非関連Twitter投稿を区別するために、個人と組み合わせて複数のトランスフォーマーを使用し、F1スコアの0.87を達成しました。

関連論文リスト

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)
A Named Entity Recognition and Topic Modeling-based Solution for Locating and Better Assessment of Natural Disasters in Social Media [1.9739821076317217]
ソーシャルメディアのコンテンツは、災害情報学に非常に効果的であることが証明されている。しかし、データの構造が不整なため、ソーシャルメディアコンテンツにおける災害分析にいくつかの課題が伴う。災害情報学におけるソーシャルメディアコンテンツの可能性を完全に探求するためには、関連コンテンツへのアクセスと適切な位置情報情報が非常に重要である。
論文参考訳（メタデータ） (2024-05-01T23:19:49Z)
CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文参考訳（メタデータ） (2023-10-23T07:01:09Z)
Sarcasm Detection in a Disaster Context [103.93691731605163]
HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
論文参考訳（メタデータ） (2023-08-16T05:58:12Z)
Using Twitter Data to Determine Hurricane Category: An Experiment [0.19573380763700707]
ソーシャルメディアの投稿には、主要な出来事に関する世論に関する豊富な情報が含まれている。本稿では,特定地域のTwitterデータと,その地域のハリケーンレベルとの相関について検討する。また,関連するTwitterデータを用いて,特定分野のハリケーンカテゴリーを予測する手法を提案する。
論文参考訳（メタデータ） (2023-08-10T22:30:24Z)
Investigating disaster response through social media data and the Susceptible-Infected-Recovered (SIR) model: A case study of 2020 Western U.S. wildfire season [0.8999666725996975]
ソーシャルメディアは災害時の公衆の懸念や要求を反映することができる。 Twitterデータからトピックをクラスタリングするために、BERT(Bidirectional Representations from Transformers)トピックモデリングを使用しました。本研究では、ソーシャルメディアデータを用いたSIRモデルとトピックモデリングが、災害対応を定量的に評価するための意思決定者に提供する方法について詳述する。
論文参考訳（メタデータ） (2023-08-10T01:51:33Z)
ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
論文参考訳（メタデータ） (2023-05-23T16:40:07Z)
IKDSumm: Incorporating Key-phrases into BERT for extractive Disaster Tweet Summarization [5.299958874647294]
災害固有のつぶやき要約フレームワークIKDSummを提案する。 IKDSummは、そのツイートのキーフレーズを通じて、災害に関連する各ツイートから重要かつ重要な情報を識別する。これらのキーワードを使って、ツイートの要約を自動的に生成する。
論文参考訳（メタデータ） (2023-05-19T11:05:55Z)
What goes on inside rumour and non-rumour tweets and their reactions: A Psycholinguistic Analyses [58.75684238003408]
ソーシャルメディアのテキストの心理言語学的分析は、誤情報を緩和するために意味のある結論を導くのに不可欠である。本研究は,様々な事象に関する噂の深い心理言語学的分析を行うことによって貢献する。
論文参考訳（メタデータ） (2021-11-09T07:45:11Z)
Detecting Perceived Emotions in Hurricane Disasters [62.760131661847986]
私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
論文参考訳（メタデータ） (2020-04-29T16:17:49Z)

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。