一种用于探索基于卫生的印度政府政策推文的增强文本分类方法
计算与语言
2020-08-19 v2 机器学习
摘要
政府主导的政策制定与方案生成是保护和促进公民社会、经济及个人发展的手段之一。政府对这些方案有效性的评估仅以事实和数据的形式提供统计信息，并未包含公众对该主题的感知、经验和观点的深入认识。在本研究中，我们提出了一种改进的文本分类框架，用于对不同基于卫生的政府方案的 Twitter 数据进行分类。所提框架利用了语言表示模型（LR models）BERT、ELMO 和 USE。然而，由于充足标注数据的匮乏，这些 LR 模型在实时适用性上较弱。为此，我们提出了一种基于 GloVe 词嵌入和类特定情感的新文本增强方法（命名为 Mod-EDA），它通过增加标注数据规模来提升文本分类任务的性能。此外，训练后的模型被用于识别不同群体（如中等收入与低收入群体）中公民对这些政策的参与程度。
引用
@article{arxiv.2007.06511,
title = {An Enhanced Text Classification to Explore Health based Indian Government Policy Tweets},
author = {Aarzoo Dhiman and Durga Toshniwal},
journal= {arXiv preprint arXiv:2007.06511},
year = {2020}
}
备注
Accepted to KDD 2020: Applied Data Science for Healthcare Workshop (4 pages, 2 figures, 2 tables)