新兴灾害事件中的少样本推文检测

社交媒体来源在危机情况下可提供关键信息，但发现相关消息并非易事。现有方法迄今聚焦于针对各类危机或某些危机类型（如洪水）的通用检测模型。事件特定模型可实现更聚焦的搜索范围，但在已发生的危机中收集数据并训练新模型成本高昂，且可能耗时过长以致无法及时响应。作为折中，手动收集少量示例消息是可行的。少样本模型能用如此少量的示例泛化到未见过的类别，且无需为每个事件重新训练。我们比较了少样本方法（匹配网络和原型网络）在此任务上的表现。由于这本质上是一个单类问题，我们还演示了如何将改进的单类原型模型用于此应用。