深度学习与词嵌入用于危机响应中的推文分类
计算与语言
2019-03-27 v1 机器学习
摘要
传统的危机响应推文分类模型侧重于卷积层与领域特定词嵌入。本文中，我们研究不同神经网络结合通用与领域特定词嵌入的应用，以考察它们提升推文分类模型性能的能力。我们在CrisisNLP数据集上评估了四种推文分类模型，获得了可比的结果，这表明通用词嵌入（如GloVe）可替代领域特定词嵌入，尤其是在Bi-LSTM中，其报告的最高F1分数为62.04%。
引用
@article{arxiv.1903.11024,
title = {Deep Learning and Word Embeddings for Tweet Classification for Crisis Response},
author = {Reem ALRashdi and Simon O'Keefe},
journal= {arXiv preprint arXiv:1903.11024},
year = {2019}
}
备注
This paper has been accepted and presented in the 3rd National Computing Colleges Conference (NC3) in Abha, Saudi Arabia on 9th October 2018