应对低数据可用性的社交媒体危机消息分类
计算与语言
2023-05-30 v1
摘要
在危机情况下，社交媒体让人们快速共享信息，包括求助消息。这对需要根据所请求援助类型对这些消息进行分类和优先排序的应急响应人员很有价值。然而，海量消息使得在不使用计算技术的情况下难以筛选和优先处理。用于危机消息分类的全监督过滤技术通常需要大量标注训练数据，但这在持续危机期间难以获取，且创建时的时间和人力成本高昂。本论文聚焦于解决应急响应中危机消息分类时的低数据可用性挑战。它首先提出领域自适应作为该问题的解决方案，即从过去危机事件（源域）的标注数据学习分类模型，并将其自适应以分类持续危机事件（目标域）的消息。在多对多自适应中，模型在多个过去事件上训练并自适应到多个持续事件，提出了一种使用预训练语言模型的多任务学习方法。该方法优于基线，且集成方法进一步提升了性能……
引用
@article{arxiv.2305.17211,
title = {Coping with low data availability for social media crisis message categorisation},
author = {Congcong Wang},
journal= {arXiv preprint arXiv:2305.17211},
year = {2023}
}