社交媒体作为水质反馈的即时来源
计算与语言
2023-01-30 v2
摘要
本文关注一项重要的环境挑战，即通过分析社交媒体作为即时反馈来源的潜力来研究水质。该工作的主要目标是自动分析与检索与水质相关的社交媒体帖子，特别关注描述水质不同方面（如水的颜色、气味、味道及相关疾病）的帖子。为此，我们提出了一种融合不同预处理、数据增强与分类技术的新框架。总共采用三种不同的神经网络(NN)架构，即(i)基于Transformer的双向编码器表示(BERT)、(ii)鲁棒优化的BERT预训练方法(XLM-RoBERTa)和(iii)自定义的长短期记忆(LSTM)模型，以基于优点的融合方案加以使用。为对模型进行基于优点的权重分配，比较了若干优化与搜索技术，包括粒子群优化(PSO)、遗传算法(GA)、暴力搜索(BF)、Nelder-Mead和Powell优化方法。我们还提供了对各独立模型的评估，其中BERT模型取得了0.81的最高F1分数。在基于优点的融合中，BF取得了0.852的F1分数，总体结果更优。我们还与现有方法进行了比较，所提方案取得了显著改进。我们相信对这一相对新颖主题的严格分析将为未来研究提供基线。
引用
@article{arxiv.2202.04462,
title = {Social Media as an Instant Source of Feedback on Water Quality},
author = {Khubaib Ahmad and Muhammad Asif Ayub and Kashif Ahmad and Jebran Khan and Nasir Ahmad and Ala Al-Fuqaha},
journal= {arXiv preprint arXiv:2202.04462},
year = {2023}
}
备注
10 pages, 2 figures, 8 tables