面向灾害管理的社交媒体文本弱监督细粒度事件识别
计算与语言
2020-10-06 v1
摘要
在灾害期间，人们越来越多地使用社交媒体报告紧急情况、寻求帮助或分享信息，这使得社交网络成为灾害管理的重要工具。为满足这些时间紧迫的需求，我们提出了一种弱监督方法，用于快速构建高质量分类器，将每条Twitter消息标注为细粒度事件类别。最重要的是，我们提出了一种及时创建高质量标注数据的新方法：自动聚类含事件关键词的推文，并请领域专家快速消歧事件词义及标注聚类。此外，为处理极度噪声且常较短的用户生成消息，我们在构建事件识别分类器时利用前文上下文推文与回复推文丰富推文表示。在Harvey与Florence两次飓风上的评估表明，仅使用1-2人时的人员监督，快速训练的弱监督分类器优于使用超过一万条标注推文（耗费50余人时创建）训练的有监督分类器。
引用
@article{arxiv.2010.01683,
title = {Weakly-supervised Fine-grained Event Recognition on Social Media Texts for Disaster Management},
author = {Wenlin Yao and Cheng Zhang and Shiva Saravanan and Ruihong Huang and Ali Mostafavi},
journal= {arXiv preprint arXiv:2010.01683},
year = {2020}
}
备注
In Proceedings of the AAAI 2020 (AI for Social Impact Track). Link: https://aaai.org/ojs/index.php/AAAI/article/view/5391