論文の概要: The Course of News Events: A Comparison of Bottom-Up and Top-Down Approaches for Collecting Text-Based Data about Disasters
- arxiv url: http://arxiv.org/abs/2607.00849v1
- Date: Wed, 01 Jul 2026 12:15:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.884876
- Title: The Course of News Events: A Comparison of Bottom-Up and Top-Down Approaches for Collecting Text-Based Data about Disasters
- Title（参考訳）: 災害情報収集のためのボトムアップとトップダウンアプローチの比較
- Abstract要約: 社会環境研究における主要な方法論的課題は、代表データサンプルの選択方法である。
既存の災害在庫の助けを借りて、ニュースデータベースをトップダウンでクエリするか、ニューステキストのボトムアップをクラスタリングするためにNLPメソッドを使うかの2つのアプローチが一般的である。
- 参考スコア（独自算出の注目度）: 5.033722555649178
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: News articles are an important source of information on disaster impacts and adaptation. A key methodological challenge in socio-environmental studies is how to select a representative data sample. Two approaches are common: querying news databases top-down with the aid of an existing disaster inventory or using NLP methods to cluster news texts bottom-up based on temporal and spatial features. Using a dataset of German news about landslides worldwide, we compare these approaches and discuss variations in event coverage. Such research design decision can influence the resulting news sample, affecting its use in studies of inequality in media coverage, disaster monitoring and inventory enrichment.
- Abstract（参考訳）: ニュース記事は、災害の影響と適応に関する重要な情報源である。
社会環境研究における重要な方法論的課題は、代表データサンプルの選択方法である。
既存の災害在庫の助けを借りてニュースデータベースをトップダウンでクエリするか、時間的特徴と空間的特徴に基づいてニューステキストのボトムアップをクラスタリングするためにNLPメソッドを使用するかの2つのアプローチが一般的である。
世界中の地すべりに関するドイツのニュースのデータセットを用いて、これらのアプローチを比較し、イベントカバレッジのバリエーションについて議論する。
このような調査設計の決定は、メディアの報道における不平等の研究、災害監視、在庫の豊かさに影響を及ぼす。
関連論文リスト
- Assessing socio-economic climate impacts from text data [7.13142572545878]
近年の自然言語処理の進歩により、大規模テキストデータによる影響評価の体系的利用が可能となった。
影響を構成するものを定義し、時間的および空間的バイアスを扱い、適切なモデリングと後処理戦略を選択するための明確なガイドラインはない。
本稿では、社会経済的影響データを分析するためのテキスト・アズ・データ・メソッドの使用に特有な課題について述べ、それに対応するための推奨事項を提案する。
論文 参考訳（メタデータ） (2026-05-20T06:40:00Z) - Identifying and Investigating Global News Coverage of Critical Events Such as Disasters and Terrorist Attacks [7.356090574846918]
イベントFINGERPRINTに基づいて,ニュース記事の識別を行うAI方式を提案する。
この手法は最先端の性能を達成し,数千万のニュース記事からなる大規模データベースにスケールする。
私たちはFAMEを使って、2020年に起きた自然災害やテロ事件をカバーした27,441件の記事を特定しています。
論文 参考訳（メタデータ） (2025-06-15T17:50:08Z) - CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [50.122541222825156]
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) - Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。
さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。
実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文 参考訳（メタデータ） (2024-06-16T03:10:16Z) - ADSumm: Annotated Ground-truth Summary Datasets for Disaster Tweet Summarization [8.371475703337106]
既存のつぶやき災害要約アプローチは、政府機関や人道団体などを支援するためにこれらの出来事の要約を提供する。
本稿では,8件の災害イベントに対して,アノテートされた地要要約を付加したADSummを提案する。
実験により,新たに追加されたデータセットはROUGE-N F1スコアにおいて,教師付き要約手法の性能を8～28%向上することが示された。
論文 参考訳（メタデータ） (2024-05-10T15:49:01Z) - News and Misinformation Consumption in Europe: A Longitudinal
Cross-Country Perspective [49.1574468325115]
本研究では,欧州4カ国における情報消費について検討した。
フランス、ドイツ、イタリア、イギリスのニュースメディアアカウントから3年間のTwitter活動を分析した。
信頼性のある情報源が情報ランドスケープを支配していることを示しているが、信頼性の低いコンテンツは依然としてすべての国に存在している。
論文 参考訳（メタデータ） (2023-11-09T16:22:10Z) - 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) - Towards Corpus-Scale Discovery of Selection Biases in News Coverage:
Comparing What Sources Say About Entities as a Start [65.28355014154549]
本稿では,大規模ニュースコーパスにおけるニュースコンテンツから直接メディア選択バイアスのパターンを発見するために,スケーラブルなNLPシステムを構築する上での課題について検討する。
我々は,世界519のニュースソースから180万件のニュース記事のコーパスであるNELA-2020のケーススタディを通じて,フレームワークの能力を示す。
論文 参考訳（メタデータ） (2023-04-06T23:36:45Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Social Media Information Sharing for Natural Disaster Response [0.0]
ソーシャルメディアは災害関連情報を投稿するための重要なチャンネルとなり、政府や救援機関が災害管理を改善するためのリアルタイムデータを提供している。
本研究の目的は,災害対応に対する公衆の態度や災害時の防災物資に対する公衆の要求など,ソーシャルメディアデータのマイニング・分析による防災効率の向上である。
論文 参考訳（メタデータ） (2020-05-08T21:11:39Z)
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。