HungerGist：一种用于粮食不安全的可解释预测模型
人工智能
2023-11-21 v1 机器学习
摘要
由战争、气候变化和贫困等因素引发的非洲粮食不安全状况日益加剧，表明对先进预警系统的迫切需求。传统方法依赖专家整理涵盖气候、地理和社会动荡的数据，常因数据局限而不足，阻碍了全面分析以及对新预测因素的潜在发现。为此，本文提出“HungerGist”，一种利用新闻文本和NLP技术的多任务深度学习模型。使用来自九个非洲国家、跨度四年的超过53,000篇新闻文章语料库，我们证明仅以新闻数据训练的模型优于基于传统风险因素和人工整理关键词训练的基线方法。此外，我们的方法能够检测包含可解释信号（称为“gists”）的关键文本。而且，我们对这些gists的分析表明，该方法有潜力揭示否则将隐藏在非结构化文本中的潜在因素。
引用
@article{arxiv.2311.10953,
title = {HungerGist: An Interpretable Predictive Model for Food Insecurity},
author = {Yongsu Ahn and Muheng Yan and Yu-Ru Lin and Zian Wang},
journal= {arXiv preprint arXiv:2311.10953},
year = {2023}
}