基于图的 Twitter 上疫情关注点与关系联合抽取
计算与语言
2021-06-21 v1 社会与信息网络
摘要
公众关注点检测在疫情爆发前或期间为当局的危机管理提供潜在指导。从在线社交媒体平台检测人们的关注与注意力已被广泛认为是缓解公众恐慌和防范社会危机的有效途径。然而，从社交媒体海量信息中及时检测关注点是一个巨大挑战，尤其在公共卫生突发事件（如 COVID-19）缺乏充足人工标注数据时。本文提出一种新颖的端到端深度学习模型，基于图卷积网络（Graph Convolutional Network）与双向长短期记忆网络（Bi-directional Long Short Term Memory）并结合关注图（Concern Graph）来识别人们的关注点及相应关系。除来自 BERT 嵌入的序列特征外，推文的区域特征可由关注图模块提取，这不仅有益于关注检测，还使我们的模型具有高噪声容忍度。因此，我们的模型能解决人工标注数据不足的问题。我们开展了大量实验，使用人工标注推文和自动标注推文评估所提模型。实验结果表明，我们的模型在真实世界数据集上优于 SOTA 模型。
引用
@article{arxiv.2106.09929,
title = {Graph-based Joint Pandemic Concern and Relation Extraction on Twitter},
author = {Jingli Shi and Weihua Li and Sira Yongchareon and Yi Yang and Quan Bai},
journal= {arXiv preprint arXiv:2106.09929},
year = {2021}
}