Twitter作为生命线：用于危机相关消息自然语言处理的人工标注Twitter语料库
计算与语言
2016-06-01 v2 计算机与社会
社会与信息网络
摘要
诸如Twitter等微博客平台在群众聚集和地震、台风等紧急事件期间提供活跃的沟通渠道。在危机情况突然发生时，受影响人们在Twitter上发布有用信息，若能得到及时有效的处理，可用于态势感知和其他人道主义灾难响应工作。处理社交媒体信息带来多重挑战，例如解析嘈杂、简短且非正式的讯息，从传入的消息流中学习信息类别并将其分类到不同类别等。许多此类任务的基本必要条件之一是数据的可用性，尤其是人工标注数据。在本文中，我们呈现了在2013年至2015年间发生的19场不同危机期间收集的人工标注Twitter语料库。为展示标注的效用，我们训练了机器学习分类器。此外，我们发布了基于5200万条危机相关推文训练的首个最大规模的word2vec词嵌入。为应对推文语言问题，我们提供了针对不同的词汇变体的人工标注归一化词汇资源。
引用
@article{arxiv.1605.05894,
title = {Twitter as a Lifeline: Human-annotated Twitter Corpora for NLP of Crisis-related Messages},
author = {Muhammad Imran and Prasenjit Mitra and Carlos Castillo},
journal= {arXiv preprint arXiv:1605.05894},
year = {2016}
}
备注
Accepted at the 10th Language Resources and Evaluation Conference (LREC), 6 pages