論文の概要: COVID-19 event extraction from Twitter via extractive question answering with continuous prompts

• arxiv url: http://arxiv.org/abs/2303.10659v1
• Date: Sun, 19 Mar 2023 13:47:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 18:04:22.512920
• Title: COVID-19 event extraction from Twitter via extractive question answering with continuous prompts
• Title（参考訳）: 連続的プロンプトで回答したTwitterからのCOVID-19イベント抽出
• Authors: Yuhang Jiang and Ramakanth Kavuluru
• Abstract要約: 我々は,言語モデルにおける連続的プロンプトの最近の進歩を利用して,イベント抽出の問題を抽出的質問応答として用いた。 我々のアブレーション調査は、連続的なプロンプトが最終的なパフォーマンスに大きな影響を与えていることを示している。
• 参考スコア（独自算出の注目度）: 4.447838938807983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As COVID-19 ravages the world, social media analytics could augment traditional surveys in assessing how the pandemic evolves and capturing consumer chatter that could help healthcare agencies in addressing it. This typically involves mining disclosure events that mention testing positive for the disease or discussions surrounding perceptions and beliefs in preventative or treatment options. The 2020 shared task on COVID-19 event extraction (conducted as part of the W-NUT workshop during the EMNLP conference) introduced a new Twitter dataset for benchmarking event extraction from COVID-19 tweets. In this paper, we cast the problem of event extraction as extractive question answering using recent advances in continuous prompting in language models. On the shared task test dataset, our approach leads to over 5% absolute micro-averaged F1-score improvement over prior best results, across all COVID-19 event slots. Our ablation study shows that continuous prompts have a major impact on the eventual performance.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)が世界を席巻する中、ソーシャルメディア分析は、パンデミックがどのように発展するかを評価する従来の調査を強化し、医療機関がそれに取り組むのに役立つ消費者の会話を捉える可能性がある。 これは典型的には、予防または治療の選択肢に関する認識や信念に関する、疾患や議論に対して陽性であるテストに言及する開示イベントをマイニングする。 2020年のCOVID-19イベント抽出タスク(EMNLPカンファレンスでW-NUTワークショップの一環として実施された)は、新型コロナウイルスのツイートからイベント抽出をベンチマークする新しいTwitterデータセットを導入した。 本稿では,言語モデルにおける連続的プロンプトの最近の進歩を用いて,イベント抽出の問題を抽出的質問応答として位置づける。 共有タスクテストデータセットでは、当社のアプローチは、すべてのCOVID-19イベントスロットにおいて、以前の最高の結果よりも5%以上の絶対的なマイクロ平均F1スコアの改善につながります。 我々のアブレーション調査は、連続的なプロンプトが最終的なパフォーマンスに大きな影響を与えることを示している。

関連論文リスト

• Data and models for stance and premise detection in COVID-19 tweets: insights from the Social Media Mining for Health (SMM4H) 2022 shared task [7.559611243635055]
  ソーシャル・メディア・マイニング・フォー・ヘルス(SMM4H)2022 共有タスク2を編成する。 このコンペティションでは、学校閉鎖、自宅待機命令、マスク着用の3つのトピックについて、手動でアノテートされた投稿を利用した。 我々は,Twitterから新たに収集したワクチン接種データを用いて,異なるトピックのモデルの性能を評価する。
  論文  参考訳（メタデータ） (2023-11-14T10:30:49Z)
• Twitter conversations predict the daily confirmed COVID-19 cases [0.2320417845168326]
  パンデミック特有の談話は、TwitterやWeiboのようなマイクロブログプラットフォーム上では、今も続いている。 本稿では、新型コロナウイルス関連Twitter会話から複数の時系列を設計するための感情関連トピックベースの方法論を提案する。 モデリングにソーシャルメディア変数を組み込むことで、RMSEのベースラインモデルよりも48.83-51.38%の改善がもたらされることが示されている。
  論文  参考訳（メタデータ） (2022-06-21T15:31:06Z)
• Unsupervised Text Mining of COVID-19 Records [0.0]
  Twitterは、研究者が新型コロナウイルス(COVID-19)に反応して公衆衛生を測定するのに役立つ強力なツールだ。 本稿は、CORD-19と命名された新型コロナウイルスに関する既存の医療データセットを前処理し、教師付き分類タスクのためのデータセットを注釈付けした。
  論文  参考訳（メタデータ） (2021-09-08T05:57:22Z)
• Global Tweet Mentions of COVID-19 [3.3043776328952226]
  われわれは、2020年1月から現在まで毎週更新されている190万件のキーワード選択されたTwitter投稿のオープンソースデータセットを提示する。 ダッシュボードには、キーワードやハッシュタグを含むジオタグ付きツイートの100%が表示される。 新型コロナウイルスの新たな変種が出現する一方で、ワクチンの根絶と耐性が進行中であるため、このデータセットは研究者によって新型コロナウイルスのさまざまな側面を研究するために使われる可能性がある。
  論文  参考訳（メタデータ） (2021-08-13T20:21:29Z)
• End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
  クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。 本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
  論文  参考訳（メタデータ） (2021-01-07T01:13:00Z)
• Exploiting Unsupervised Data for Emotion Recognition in Conversations [76.01690906995286]
  会話における感情認識(Emotion Recognition in Conversations:ERC)は、会話における話者の感情状態を予測することを目的としている。 ERCタスクの教師付きデータは限られている。 教師なし会話データを活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-02T13:28:47Z)
• CO-Search: COVID-19 Information Retrieval with Semantic Search, Question Answering, and Abstractive Summarization [53.67205506042232]
  CO-Searchは、新型コロナウイルスの文献上の複雑なクエリを処理するように設計された、レトリバーランサーセマンティック検索エンジンである。 ドメイン固有の比較的限られたデータセットを考慮し、文書の段落と引用の2部グラフを生成する。 TREC-COVID情報検索課題のデータに基づいて,本システムの評価を行った。
  論文  参考訳（メタデータ） (2020-06-17T01:32:48Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Extracting a Knowledge Base of COVID-19 Events from Social Media [20.582661513917845]
  本稿では,5件のCOVID-19イベントの公開報告を含む1万件のツイートを手動で注釈付けしたコーパスを提示する。 イベントタイプ毎にスロット充填質問を設計し,イベントの位置,最近の旅行,近接接触など,合計31のきめ細かいスロットを注釈付けした。 当社のコーパスは細調整のBERT分類器をサポートして,報告された事象を自動的に抽出し,新たな疾患の拡散を追跡できることを示す。
  論文  参考訳（メタデータ） (2020-06-03T22:39:24Z)
• Amnesic Probing: Behavioral Explanation with Amnesic Counterfactuals [53.484562601127195]
  調査結果から行動学的結論を推測できない点を指摘する。 我々は、どの情報がエンコードされているかではなく、その情報がどのように使われているかに焦点を当てた代替手段を提供する。
  論文  参考訳（メタデータ） (2020-06-01T15:00:11Z)
• A Study of Knowledge Sharing related to Covid-19 Pandemic in Stack Overflow [69.5231754305538]
  主に2020年2月と3月に投稿された464のStack Overflowに関する質問と、テキストマイニングの力を活用した調査。 事実、この世界的な危機はStack Overflowにおける活動の激化を招き、ほとんどのトピックは、Covid-19データ分析に対する強い関心を反映している。
  論文  参考訳（メタデータ） (2020-04-18T08:19:46Z)

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。