論文の概要: CReMa: Crisis Response through Computational Identification and Matching of Cross-Lingual Requests and Offers Shared on Social Media
- arxiv url: http://arxiv.org/abs/2405.11897v2
- Date: Thu, 29 Aug 2024 23:45:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-02 19:51:26.091575
- Title: CReMa: Crisis Response through Computational Identification and Matching of Cross-Lingual Requests and Offers Shared on Social Media
- Title（参考訳）: CReMa: ソーシャルメディア上で共有された言語間要求の計算的識別とマッチングによる危機応答
- Authors: Rabindra Lamsal, Maria Rodriguez Read, Shanika Karunasekera, Muhammad Imran,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.384787836425144
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: During times of crisis, social media platforms play a crucial role in facilitating communication and coordinating resources. In the midst of chaos and uncertainty, communities often rely on these platforms to share urgent pleas for help, extend support, and organize relief efforts. However, the overwhelming volume of conversations during such periods can escalate to unprecedented levels, necessitating the automated identification and matching of requests and offers to streamline relief operations. Additionally, there is a notable absence of studies conducted in multi-lingual settings, despite the fact that any geographical area can have a diverse linguistic population. Therefore, we propose CReMa (Crisis Response Matcher), a systematic approach that integrates textual, temporal, and spatial features to address the challenges of effectively identifying and matching requests and offers on social media platforms during emergencies. Our approach utilizes a crisis-specific pre-trained model and a multi-lingual embedding space. We emulate human decision-making to compute temporal and spatial features and non-linearly weigh the textual features. The results from our experiments are promising, outperforming strong baselines. Additionally, we introduce a novel multi-lingual dataset simulating help-seeking and offering assistance on social media in 16 languages and conduct comprehensive cross-lingual experiments. Furthermore, we analyze a million-scale geotagged global dataset to understand patterns in seeking help and offering assistance on social media. Overall, these contributions advance the field of crisis informatics and provide benchmarks for future research in the area.
- Abstract（参考訳）: 危機期には、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重要な役割を担っている。
混乱と不確実性の中で、コミュニティはしばしばこれらのプラットフォームを頼りにし、助けを求める緊急の嘆願を共有し、支援を拡張し、救援活動の組織化を行っている。
しかし、このような期間における圧倒的な会話量は前例のないレベルにエスカレートし、要求の自動識別とマッチングを必要とし、救援活動の合理化を提供する。
さらに、地理的地域が多様な言語集団を持つことができるにもかかわらず、多言語環境での研究は顕著な欠如がある。
そこで我々は,CReMa(Crisis Response Matcher)を提案する。CReMa(Crisis Response Matcher)は,緊急時のソーシャルメディアプラットフォームにおける要求を効果的に識別し,マッチングするという課題に対処するために,テキスト,時間,空間的特徴を統合した体系的アプローチである。
本手法では,危機固有の事前学習モデルと多言語埋め込み空間を用いる。
人間の意思決定をエミュレートし、時間的・空間的特徴を計算し、テキスト的特徴を非線形に評価する。
私たちの実験の結果は有望であり、強いベースラインを上回ります。
さらに,16言語によるソーシャルメディアの援助と支援をシミュレートした多言語データセットを導入し,総合的な言語間実験を行った。
さらに、100万件のジオタグ付きグローバルデータセットを分析し、ソーシャルメディアにおける支援と支援のパターンを理解する。
全体として、これらの貢献は危機情報学の分野を前進させ、地域の将来の研究のためのベンチマークを提供する。
関連論文リスト
- Hypergame Theory for Decentralized Resource Allocation in Multi-user Semantic Communications [60.63472821600567]
マルチユーザSCシステムにおける分散コンピューティングと通信資源割り当てのための新しいフレームワークを提案する。
通信資源と計算資源を効率的に割り当てることの課題は、Stackelbergハイパーゲーム理論の適用によって解決される。
シミュレーションの結果,提案したStackelbergハイパーゲームは通信資源と計算資源を効率的に利用することができることがわかった。
論文 参考訳（メタデータ） (2024-09-26T15:55:59Z) - 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) - 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) - Cross-Lingual and Cross-Domain Crisis Classification for Low-Resource
Scenarios [4.147346416230273]
本稿では,言語間およびドメイン間ラベル付きデータを活用することで,危機事象に関連するメッセージを自動的に分類するタスクについて検討する。
私たちのゴールは、高リソース言語のラベル付きデータを使用して、他の(低リソースの)言語や、新しい(以前は見えなかった)危機状況からのメッセージを分類することです。
我々の経験的発見は、英語の危機イベントのデータを利用して、スペイン語やイタリア語など他の言語で同じ種類の出来事を分類することが可能であることを示している。
論文 参考訳（メタデータ） (2022-09-05T20:57:23Z) - Analyzing social media with crowdsourcing in Crowd4SDG [1.1403672224109254]
本研究は,ソーシャルメディアの分析,特に緊急時におけるフレキシブルな支援を提供するアプローチを提案する。
焦点は、ソーシャルメディア投稿に含まれる画像やテキストを分析し、コンテンツのフィルタリング、分類、位置決めのための一連の自動データ処理ツールである。
このようなサポートには、自動ツールを設定するためのフィードバックと提案、市民からのインプットを集めるためのクラウドソーシングの両方が含まれる。
論文 参考訳（メタデータ） (2022-08-04T14:42:20Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Cross-Lingual Query-Based Summarization of Crisis-Related Social Media:
An Abstractive Approach Using Transformers [3.042890194004583]
本研究では,ソーシャルメディア投稿から危機関連情報を検索・要約するための言語横断手法を提案する。
本稿では、構造化されたクエリと要約を作成する方法を通じて、さまざまな情報要求を統一的に表現する方法について述べる。
論文 参考訳（メタデータ） (2022-04-21T16:07:52Z) - Clustering of Social Media Messages for Humanitarian Aid Response during
Crisis [47.187609203210705]
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。
論文 参考訳（メタデータ） (2020-07-23T02:18:05Z) - Multimodal Categorization of Crisis Events in Social Media [81.07061295887172]
本稿では,画像とテキストの両方を入力として利用するマルチモーダル融合法を提案する。
特に、弱モダリティから非形式的および誤解を招くコンポーネントをフィルタリングできるクロスアテンションモジュールを導入する。
本手法は,3つの危機関連タスクにおいて,一様アプローチと強いマルチモーダルベースラインを大きなマージンで上回ることを示す。
論文 参考訳（メタデータ） (2020-04-10T06:31:30Z)
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。