論文の概要: Tweets Under the Rubble: Detection of Messages Calling for Help in Earthquake Disaster

• arxiv url: http://arxiv.org/abs/2302.13403v1
• Date: Sun, 26 Feb 2023 20:55:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-28 17:16:26.552349
• Title: Tweets Under the Rubble: Detection of Messages Calling for Help in Earthquake Disaster
• Title（参考訳）: 震災の被災者への支援を求めるメッセージの検出
• Authors: Cagri Toraman, Izzet Emre Kucukkaya, Oguzhan Ozcelik, Umitcan Sahin
• Abstract要約: 本研究では,行方不明者や閉じ込められた者に対する状況認識と,救助・寄進のための災害救助を行うための対話型ツールを提案する。 このシステムは、つぶやきを収集し、(ii)助けを求めるものを分類し、(iii)重要なエンティティタグを抽出し、(iv)インタラクティブな地図画面でそれらを視覚化する。 最初の実験では、F1スコアのパフォーマンスはツイート分類が98.30、エンティティ抽出が84.32であることがわかった。
• 参考スコア（独自算出の注目度）: 1.3190581566723918
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The importance of social media is again exposed in the recent tragedy of the 2023 Turkey and Syria earthquake. Many victims who were trapped under the rubble called for help by posting messages in Twitter. We present an interactive tool to provide situational awareness for missing and trapped people, and disaster relief for rescue and donation efforts. The system (i) collects tweets, (ii) classifies the ones calling for help, (iii) extracts important entity tags, and (iv) visualizes them in an interactive map screen. Our initial experiments show that the performance in terms of the F1 score is up to 98.30 for tweet classification, and 84.32 for entity extraction. The demonstration, dataset, and other related files can be accessed at https://github.com/avaapm/deprem
• Abstract（参考訳）: ソーシャルメディアの重要性は、2023年のトルコ地震とシリア地震の悲劇に再び表れている。 ごみに閉じ込められた多くの犠牲者は、Twitterにメッセージを投稿することで助けを求めた。 我々は,行方不明者や閉じ込められた人々に対する状況認識と,救助や寄付活動のための災害救助を行うための対話型ツールを提案する。 システム (i)ツイートを収集する。 (ii)助けを求める者を分類する。 (iii)重要なエンティティタグを抽出し、 (iv)インタラクティブマップ画面でそれらを視覚化する。 最初の実験では、F1スコアのパフォーマンスはツイート分類が98.30、エンティティ抽出が84.32であることがわかった。 デモ、データセット、その他の関連ファイルはhttps://github.com/avaapm/depremでアクセスできる。

関連論文リスト

• Public Health in Disaster: Emotional Health and Life Incidents Extraction during Hurricane Harvey [1.433758865948252]
  嵐に関連する40万件の公開ツイートのデータセットを収集しました。 BERTベースのモデルを用いて、各ツイートに関連する感情を予測した。 グラフニューラルネットワーク(GNN)とLarge Language Models(LLM)を統合して分析をさらに改良した。
  論文  参考訳（メタデータ） (2024-08-20T18:31:20Z)
• 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)
• 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)
• 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)
• RweetMiner: Automatic identification and categorization of help requests on twitter during disasters [8.288082084424863]
  破滅的な出来事は人道的な組織にとって不確実な状況を生み出し、被災者への援助を提供する。 災害の際には、助けを求めたり、他人に救いを求めたりして、ソーシャルメディアに目を向ける人が多い。 既存のシステムは、ツイートの前処理とツイートのコンテキストの把握のための効果的な戦略を計画していない。
  論文  参考訳（メタデータ） (2023-03-04T12:21:45Z)
• Detecting Damage Building Using Real-time Crowdsourced Images and Transfer Learning [53.26496452886417]
  本稿では,Twitterなどのソーシャルメディアプラットフォームから地震後の建物画像を自動的に抽出する手法を提案する。 トランスファーラーニングと6500枚の手動ラベル付き画像を用いて,現場に損傷のある建物を画像として認識する深層学習モデルを訓練した。 訓練されたモデルは、異なる場所で新たに取得した地震の画像でテストし、トルコのM7.0地震の後、Twitterのフィードでほぼリアルタイムで実行された。
  論文  参考訳（メタデータ） (2021-10-12T06:31:54Z)
• Clustering Filipino Disaster-Related Tweets Using Incremental and Density-Based Spatiotemporal Algorithm with Support Vector Machines for Needs Assessment 2 [0.0]
  この研究は、フィリピン人がTwitterで災害時に表現したニーズを評価することを目的としている。 データは収集され、災害関連または無関係に分類された。 その結果、インクリメンタルクラスタリングアルゴリズムと密度に基づく時空間クラスタリングアルゴリズムは、それぞれ47.20%と82.28%のスコアでツイートをクラスタリングすることができた。
  論文  参考訳（メタデータ） (2021-08-16T01:38:15Z)
• Weakly-supervised Fine-grained Event Recognition on Social Media Texts for Disaster Management [27.811526979673484]
  人々はますますソーシャルメディアを使って、災害時の情報を報告したり、助けを求めたり、共有したりしている。 我々は、個々のTwitterメッセージにきめ細かいイベントカテゴリをラベル付けした高品質な分類器を構築するための弱教師付きアプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-04T21:06:45Z)
• 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)
• On Identifying Hashtags in Disaster Twitter Data [55.17975121160699]
  我々は,行動可能な情報をフィルタリングするのに有用なハッシュタグを付加した災害関連ツイートのユニークなデータセットを構築した。 このデータセットを用いて,マルチタスク学習フレームワークにおける長期記憶モデルについて検討する。 最高のパフォーマンスモデルでは、F1スコアは92.22%に達する。
  論文  参考訳（メタデータ） (2020-01-05T22:37:17Z)

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。