抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
社会メディアは災害時の情報共有において重要な役割を果たす。残念ながら,ソーシャルメディア上で生成されたデータの圧倒的な量と多様性は,そのようなコンテンツを手動でふるい分けることを困難にし,その関連性を決定する。関連性のための危機データを分類するためのほとんどの自動化手法は,古典的な統計的特徴に基づいている。しかし,このようなアプローチは,新しい危機イベントに適用された場合,あるいはモデルが訓練されなかった新しい言語への状況によく適合しない。危機状況において,特定の危機または言語に対する新しいモデルの訓練は実行可能なアプローチではない。本論文では,与えられた危機に対する関連性に関してデータを分類するためのハイブリッド意味統計アプローチを導入した。この手法が,モデルが1つのタイプの危機と言語で訓練され,新しい危機タイプと追加言語でテストされたシナリオにおいて,このアプローチがベースラインよりも性能が優れていることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】