基于迁移学习以最少标注社交媒体数据进行局部洪水检测
计算与语言
2020-03-12 v1 机器学习
摘要
社交媒体每天产生海量数据，但如果不根据目标应用进行标注或标记，便极难有效利用这些数据。我们研究利用社交感知模型（Twitter）进行局部洪水检测的问题，旨在以最少的标注数据提供一种高效、可靠且准确的洪水文本分类模型。该研究十分重要，因为它能极大助力向城市官员提供洪水相关更新与通知，用于应急决策、救援行动和早期预警等。我们提出使用归纳式迁移学习方法，即预训练语言模型 ULMFiT 并对其进行微调，以有效分类任意新地点的洪水相关推文。最后，我们表明，在目标域中使用极少的新标注数据，便可借助来自 Twitter 的人工事实与观察成功构建高效且高性能的洪水检测与分析模型。
引用
@article{arxiv.2003.04973,
title = {Localized Flood DetectionWith Minimal Labeled Social Media Data Using Transfer Learning},
author = {Neha Singh and Nirmalya Roy and Aryya Gangopadhyay},
journal= {arXiv preprint arXiv:2003.04973},
year = {2020}
}