論文の概要: RweetMiner: Automatic identification and categorization of help requests
on twitter during disasters
- arxiv url: http://arxiv.org/abs/2303.02399v1
- Date: Sat, 4 Mar 2023 12:21:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 19:56:17.566477
- Title: RweetMiner: Automatic identification and categorization of help requests
on twitter during disasters
- Title（参考訳）: RweetMiner: 災害時のTwitterにおけるヘルプリクエストの自動識別と分類
- Authors: Irfan Ullah, Sharifullah Khan, Muhammad Imran, Young-Koo Lee
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.288082084424863
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Catastrophic events create uncertain situations for humanitarian
organizations locating and providing aid to affected people. Many people turn
to social media during disasters for requesting help and/or providing relief to
others. However, the majority of social media posts seeking help could not
properly be detected and remained concealed because often they are noisy and
ill-formed. Existing systems lack in planning an effective strategy for tweet
preprocessing and grasping the contexts of tweets. This research, first of all,
formally defines request tweets in the context of social networking sites,
hereafter rweets, along with their different primary types and sub-types. Our
main contributions are the identification and categorization of rweets. For
rweet identification, we employ two approaches, namely a rule-based and
logistic regression, and show their high precision and F1 scores. The rweets
classification into sub-types such as medical, food, and shelter, using
logistic regression shows promising results and outperforms existing works.
Finally, we introduce an architecture to store intermediate data to accelerate
the development process of the machine learning classifiers.
- Abstract（参考訳）: 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す。
災害時にソーシャルメディアで助けを求めたり、他人に救済を求めたりしている人が多い。
しかし、支援を求めるソーシャルメディア投稿の大多数は、騒々しく不作為、適切に検知され、隠されたままであった。
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把握のための効果的な戦略を計画していない。
この研究は、まず最初に、ソーシャルネットワークサイトのコンテキストにおけるリクエストのつぶやきを、それぞれのプライマリタイプとサブタイプとともに公式に定義する。
私たちの主な貢献は、rweetの識別と分類です。
rweetの識別には,ルールベースとロジスティック回帰という2つのアプローチを採用し,高い精度とf1スコアを示す。
ロジスティック回帰を用いて、ルウェッツを医療、食品、シェルターなどのサブタイプに分類すると、有望な結果を示し、既存の作品を上回っている。
最後に,中間データを格納し,機械学習分類器の開発プロセスを高速化するアーキテクチャを提案する。
関連論文リスト
- Zero-Shot Classification of Crisis Tweets Using Instruction-Finetuned Large Language Models [0.0]
ソーシャルメディア投稿のゼロショット分類において,3つの商業的大規模言語モデルを評価する。
1) ポストが人道的な文脈で情報的かどうかを識別し、2) ランク付けし、人道的な階級に関する確率を与える。
結果はマクロ、重み付け、二進F1スコアを用いて評価される。
論文 参考訳（メタデータ） (2024-09-30T19:33:58Z) - 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) - Tweets Under the Rubble: Detection of Messages Calling for Help in
Earthquake Disaster [1.3190581566723918]
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。
論文 参考訳（メタデータ） (2023-02-26T20:55:19Z) - 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) - 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) - I-AID: Identifying Actionable Information from Disaster-related Tweets [0.0]
ソーシャルメディアは、被災者、寄付、支援要請に関する貴重なデータを提供することによって、災害管理において重要な役割を担っている。
ツイートを自動的にマルチラベル情報タイプに分類するマルチモデルアプローチであるI-AIDを提案する。
以上の結果から,I-AIDはTREC-ISデータセットおよびCOVID-19 Tweetsにおいて,平均F1得点の6%,+4%において最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-08-04T19:07:50Z) - Fine-Grained Crowd Counting [59.63412475367119]
現在の群衆カウントアルゴリズムは、画像内の人の数にのみ関係している。
本研究では,各個体の低レベル行動特性に基づいて,群集をカテゴリに分類する,きめ細かい群集カウントを提案する。
論文 参考訳（メタデータ） (2020-07-13T01:31:12Z) - 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。
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。