I-AID: 从灾害相关推文中识别可操作信息
计算与语言
2021-05-20 v2 人工智能
信息检索
机器学习
机器学习
摘要
社交媒体通过提供有关受灾群众、捐赠和求助请求的宝贵数据，在灾害管理中发挥着重要作用。近期研究强调需要将社交媒体上的信息筛选为细粒度的内容标签。然而，在危机期间从海量社交媒体帖子中识别有用信息是一项具有挑战性的任务。在本文中，我们提出 I-AID，一种多模型方法，用于自动将推文分类为多标签信息类型，并从海量社交媒体数据中筛选关键信息。I-AID 包含三个主要组件：i) 基于 BERT 的编码器，用于捕捉推文的语义并表示为低维向量；ii) 图注意力网络 (GAT)，用于理解推文词语/实体与其对应信息类型之间的关联；iii) 关系网络 (Relation Network) 作为一种可学习的距离度量，以监督方式计算推文与其对应信息类型之间的相似度。我们在两个公开可用的真实数据集上进行了若干实验。结果表明，在 TREC-IS 数据集和 COVID-19 推文上，I-AID 的加权平均 F1 分数分别比最先进 (SOTA) 方法高出 +6% 和 +4%。
引用
@article{arxiv.2008.13544,
title = {I-AID: Identifying Actionable Information from Disaster-related Tweets},
author = {Hamada M. Zahera and Rricha Jalota and Mohamed A. Sherif and Axel N. Ngomo},
journal= {arXiv preprint arXiv:2008.13544},
year = {2021}
}