利用新闻流精细预测粮食不安全状况
计算与语言
2021-12-01 v1 机器学习
摘要
预见粮食危机的爆发对于高效调配紧急救援和减少人类苦难至关重要。然而，现有的粮食不安全早期预警系统依赖的风险度量往往滞后、过时或不完整。在此，我们利用深度学习的最新进展，从 1980 至 2020 年间发表的关于脆弱国家的大型新闻文章语料库文本中提取粮食危机的高频前兆。我们的文本特征具有因果基础、可解释、经现有数据验证，并使我们能在 15 个脆弱国家的地区层面上，比现有模型提前至多三个月多预测 32% 的粮食危机。这些结果可能对人道主义援助的分配方式产生深远影响，并为机器学习在数据稀缺环境中改善决策开辟新途径。
引用
@article{arxiv.2111.15602,
title = {Fine-grained prediction of food insecurity using news streams},
author = {Ananth Balashankar and Lakshminarayanan Subramanian and Samuel P. Fraiberger},
journal= {arXiv preprint arXiv:2111.15602},
year = {2021}
}