利用事件特定与分块跨度特征从推文中抽取COVID事件
计算与语言
2020-12-21 v1 社会与信息网络
摘要
在灾害与大流行期间，尤其是COVID-19时期，Twitter已成为重要的信息来源。本文描述了我们为WNUT 2020共享任务3所提交的系统的参赛方案。该任务旨在自动从Twitter中抽取多种与COVID-19相关的事件，例如近期感染病毒的个人、出现症状但被拒绝检测的人，以及被认为可对抗该感染的偏方。系统由用于槽填充子任务和句子分类子任务的独立多任务模型组成，同时利用对应事件的有用句子级信息。系统使用COVID-Twitter-Bert并结合候选槽分块特征的注意力加权池化来捕获有用的信息块。该系统在排行榜上以0.6598的F1值位居第一，且未使用任何集成或额外数据集。代码与训练好的模型可在此https URL获取。
引用
@article{arxiv.2012.10052,
title = {Leveraging Event Specific and Chunk Span features to Extract COVID Events from tweets},
author = {Ayush Kaushal and Tejas Vaidhya},
journal= {arXiv preprint arXiv:2012.10052},
year = {2020}
}
备注
EMNLP 2020 Workshop, Oral, 8 pages