从社交媒体上自杀相关信息的多种标注策略中学习：一项实验研究
机器学习
2017-02-01 v1 计算机与社会
社会与信息网络
摘要
自杀是一个重要但常被误解的问题，研究人员正试图通过社交媒体更好地理解它。由于在何种情况构成自杀风险这一概念的模糊性，大多数用于学习自动检测社交媒体中自杀相关活动的监督方法需要大量人力进行训练。然而，人类自身对于何为自杀念头有着多样或冲突的看法。因此，如何获得可靠的金标准标签从根本上具有挑战性，我们假设这在很大程度上取决于向标注者询问的内容以及他们标注的数据切片。我们进行了多轮数据标注，并从众包工人和领域专家处收集了注释。我们以多种方式聚合所得标签，训练了一系列监督模型。我们的初步评估表明，使用多名标注者一致同意的标签有助于获得鲁棒的机器模型。
引用
@article{arxiv.1701.08796,
title = {Learning from various labeling strategies for suicide-related messages on social media: An experimental study},
author = {Tong Liu and Qijin Cheng and Christopher M. Homan and Vincent M. B. Silenzio},
journal= {arXiv preprint arXiv:1701.08796},
year = {2017}
}
备注
8 pages, 4 figures, 7 tables