基于新闻告警多文档表示的生物监测事件自动检测
信息检索
2019-02-19 v1 机器学习
机器学习
摘要
由于全球化，地理边界不再作为传染病传播的有效屏障。为辅助生物监测分析师进行疾病追踪，近期研究致力于开发利用互联网上大量公开文档语料库的信息检索与分析方法。本工作中，我们提出用于自动检索与分类与活跃公共卫生事件相关文档的方法。我们在自动生成的语料库上展示了分类性能，使用了循环神经网络、TF-IDF与朴素贝叶斯对数计数比文档表示。通过联合建模文档的标题与描述，我们以最佳的生物监测事件分类模型——一对双向循环神经网络联合输出的逻辑回归——实现了97%召回率与93.3%准确率。
引用
@article{arxiv.1902.06231,
title = {Multiple Document Representations from News Alerts for Automated Bio-surveillance Event Detection},
author = {Aaron Tuor and Fnu Anubhav and Lauren Charles},
journal= {arXiv preprint arXiv:1902.06231},
year = {2019}
}
备注
Presented at the 5th Pacific Northwest Regional NLP Workshop: NW-NLP 2018