基于社交媒体信息的在线深度学习在危机响应中的应用
计算与语言
2016-10-06 v2 计算机与社会
机器学习
摘要
在自然或人为灾害期间，人道主义响应组织寻找有用信息以支持其决策过程。诸如 Twitter 等社交媒体平台一直被认为是灾害响应和管理的重要有用信息来源。尽管自然语言处理技术取得了进展，但处理简短且非正式的 Twitter 消息仍是一项具有挑战性的任务。在本文中，我们提出使用深度神经网络 (DNN) 来满足响应组织的两类信息需求：1) 识别有价值的推文，以及 2) 将其分类到特定主题类别中。DNN 使用单词的分布式表示，并自动学习这种表示以及用于分类任务的更高层特征。我们提出了一种基于随机梯度下降的新型在线算法，以便在灾害情况下以在线方式训练 DNN。我们使用与危机相关的真实 Twitter 数据集测试了我们的模型。
引用
@article{arxiv.1610.01030,
title = {Applications of Online Deep Learning for Crisis Response Using Social Media Information},
author = {Dat Tien Nguyen and Shafiq Joty and Muhammad Imran and Hassan Sajjad and Prasenjit Mitra},
journal= {arXiv preprint arXiv:1610.01030},
year = {2016}
}
备注
Accepted at SWDM co-located with CIKM 2016. 6 pages, 2 figures. arXiv admin note: text overlap with arXiv:1608.03902