利用 NLP 技术从推文中识别洪水相关性与位置
计算与语言
2023-01-03 v1
摘要
本文介绍了我们针对 MediaEval 2022 灾难多媒体（DisasterMM）任务的解答。该任务由两个子任务组成，即（i）推文相关性分类（RCTP），以及（ii）从推文文本中提取位置（LETT）。RCTP 子任务旨在区分洪水相关与不相关的社交帖子，而 LETT 是一个命名实体识别（NER）任务，旨在从文本中提取位置信息。对于 RCTP，我们提出了基于 BERT、RoBERTa、Distil BERT 和 ALBERT 的四种不同方案，分别获得 0.7934、0.7970、0.7613 和 0.7924 的 F1 分数。对于 LETT，我们使用了 BERT、RoBERTa 和 Distil BERTA 三种模型，分别获得 0.6256、0.6744 和 0.6723 的 F1 分数。
引用
@article{arxiv.2301.00321,
title = {Floods Relevancy and Identification of Location from Twitter Posts using NLP Techniques},
author = {Muhammad Suleman and Muhammad Asif and Tayyab Zamir and Ayaz Mehmood and Jebran Khan and Nasir Ahmad and Kashif Ahmad},
journal= {arXiv preprint arXiv:2301.00321},
year = {2023}
}
备注
5 pages, 1 figure, and 4 tables