基于多种 Transformer 的洪水相关推文相关性分类
计算与语言
2023-01-03 v1
摘要
近年来，社交媒体作为灾难与紧急情况下的通信与信息潜在来源已被广泛探索。已有若干探讨自然灾害不同方面的灾害分析有趣工作与案例研究开展。伴随巨大潜力，灾害分析也带来若干挑战，主要源于社交媒体内容的性质。在本文中，我们探讨其中一个挑战并提出一个文本分类框架以处理 Twitter 噪声数据。更具体地，我们单独及组合地使用了若干 transformer，以区分相关与不相关的 Twitter 帖子，取得了 0.87 的最高 F1 分数。
引用
@article{arxiv.2301.00320,
title = {Relevance Classification of Flood-related Twitter Posts via Multiple Transformers},
author = {Wisal Mukhtiar and Waliiya Rizwan and Aneela Habib and Yasir Saleem Afridi and Laiq Hasan and Kashif Ahmad},
journal= {arXiv preprint arXiv:2301.00320},
year = {2023}
}
备注
5 pages, 1 figure, 2 tables