基于连续提示抽取式问答的Twitter COVID-19事件抽取
计算与语言
2023-03-23 v2
摘要
随着COVID-19肆虐全球，社交媒体分析可补充传统调查，用于评估疫情演变并捕捉消费者讨论，从而帮助卫生机构应对疫情。这通常涉及挖掘提及确诊疾病的披露事件，或围绕对预防或治疗选项的感知与看法的讨论。2020年COVID-19事件抽取共享任务（作为EMNLP会议W-NUT研讨会的一部分开展）引入了一个新的Twitter数据集，用于基准化COVID-19推文事件抽取。本文将事件抽取问题转化为基于语言模型连续提示近期进展的抽取式问答。在共享任务测试数据集上，我们的方法在所有COVID-19事件槽位上相较先前最佳结果取得了超过5%的绝对微平均F1分数提升。我们的消融研究表明连续提示对最终性能有重大影响。
引用
@article{arxiv.2303.10659,
title = {COVID-19 event extraction from Twitter via extractive question answering with continuous prompts},
author = {Yuhang Jiang and Ramakanth Kavuluru},
journal= {arXiv preprint arXiv:2303.10659},
year = {2023}
}
备注
Accepted to appear in MEDINFO 2023. Code: https://github.com/bionlproc/twitter-covid-QA-extraction