CrisisLTLSum：一个用于本地危机事件时间线提取与摘要的基准数据集
计算与语言
2022-10-26 v1
摘要
社交媒体在应急响应中扮演着越来越关键的角色：第一响应者可以利用公开帖子更好地应对正在发生的危机事件，并在最需要的地方部署必要的资源。时间线提取和生成式摘要是利用大量关于事件的社交媒体帖子的关键技术任务。不幸的是，用于对这些任务的技术方法进行基准测试的数据集很少。本文介绍了CrisisLTLSum，这是迄今为止最大的本地危机事件时间线数据集。CrisisLTLSum包含1000条危机事件时间线，涵盖四个领域：野火、本地火灾、交通和风暴。我们使用半自动化的“先聚类后优化”方法从公开的Twitter流中收集数据来构建CrisisLTLSum。我们的初步实验表明，在这两项任务上，强基线模型的性能与人类表现之间存在显著差距。我们的数据集、代码和模型均已公开可用。
引用
@article{arxiv.2210.14190,
title = {CrisisLTLSum: A Benchmark for Local Crisis Event Timeline Extraction and Summarization},
author = {Hossein Rajaby Faghihi and Bashar Alhafni and Ke Zhang and Shihao Ran and Joel Tetreault and Alejandro Jaimes},
journal= {arXiv preprint arXiv:2210.14190},
year = {2022}
}