社交媒体宏观社区中应急援助信息的自动识别与排序
信息检索
2018-10-30 v1 社会与信息网络
摘要
包括Twitter在内的在线社交微博平台正日益被用于灾害事件中的救援行动。在大多数可为自然灾害甚至武装袭击的灾难中，非政府组织寻找关于支援受灾民众资源的关键信息。尽管基于深度神经网络的自然语言处理近期取得进展，短文本的检索与排序仍具挑战性，因为大量对话与慰问内容混杂于关键信息中。本文针对此类事件中出现的短文本与多语言情形，解决分类信息检索与最相关信息排序问题。我们提出的模型基于借助文本与统计预处理形成嵌入向量，最终使用前馈神经网络对需求与可用推文的全部2,100,000个训练向量进行归一化。本文另一重要贡献在于基于前五个通用词的新型加权排序键（Ranking Key）算法，以按分类对推文作最相关排序。最后，我们在尼泊尔地震数据集（含短文本与多语言推文）上测试模型，于5,250,000个未标记救灾推文嵌入向量取得6.81%的平均精度均值。
引用
@article{arxiv.1810.11498,
title = {Automatic Identification and Ranking of Emergency Aids in Social Media Macro Community},
author = {Bhaskar Gautam and Annappa Basava},
journal= {arXiv preprint arXiv:1810.11498},
year = {2018}
}
备注
Working notes of IRMiDis Track {FIRE} 2017 - Forum for Information Retrieval Evaluation, Bangalore, India, December 8-10, 2017, http://ceur-ws.org/Vol-2036