用于快速响应 COVID-19 文本分类的正则表达式
计算与语言
2021-06-22 v4 机器学习
社会与信息网络
摘要
文本分类器是许多 NLP 应用的核心，并使用各种算法方法和软件。本文介绍了基于大规模正则表达式的文本分类器的基础设施和方法。特别地，我们描述了 Facebook 如何判定一段给定文本——从标签到帖子任意形式——是否属于如 COVID-19 这样的窄主题。为了完整定义一个主题并评估分类器性能，我们采用人工引导的关键词发现迭代，但不需要标注数据。对于 COVID-19，我们构建了两组正则表达式：(1) 针对 66 种语言，精度 99% 且召回率 >50%，(2) 针对 11 种最常见语言，精度 >90% 且召回率 >90%。正则表达式支持来自多平台的低延迟查询。对如 COVID-19 等挑战的响应是快速的，修订也是如此。与 DNN 分类器的比较显示出可解释的结果、更高的精度和召回率以及更少的过拟合。我们的经验可应用于其他窄主题分类器。
引用
@article{arxiv.2102.09507,
title = {Regular Expressions for Fast-response COVID-19 Text Classification},
author = {Igor L. Markov and Jacqueline Liu and Adam Vagner},
journal= {arXiv preprint arXiv:2102.09507},
year = {2021}
}
备注
10 pages, 7 tables