基于图半监督学习与卷积神经网络的风暴相关推文分类
计算机与社会
2018-05-17 v1 计算与语言
信息检索
社会与信息网络
摘要
在自然灾害等时间紧迫的情形下，受困民众发布于社交网络数据的快速分类有助于人道主义组织获取态势感知并规划响应工作。然而，危机初期标注数据的稀缺阻碍了机器学习任务，从而延迟危机响应。在本工作中，我们提出使用归纳式半监督技术来利用未标注数据（危机事件发生时通常 abundant）以及较少的标注数据。具体而言，我们采用基于图的深度学习框架来学习归纳式半监督模型。我们使用来自Twitter的两个真实世界危机数据集来评估所提方法。我们的结果显示，与仅使用标注数据相比，使用未标注数据有显著改进。
引用
@article{arxiv.1805.06289,
title = {Graph Based Semi-supervised Learning with Convolution Neural Networks to Classify Crisis Related Tweets},
author = {Firoj Alam and Shafiq Joty and Muhammad Imran},
journal= {arXiv preprint arXiv:1805.06289},
year = {2018}
}
备注
5 pages. arXiv admin note: substantial text overlap with arXiv:1805.05151