文献

J-GLOBAL ID：202002210512317190   整理番号：20A2274731

関連性に基づくTweet分類のための言語モデルとネットワーク特徴の結合【JST・京大機械翻訳】

Combining Language Models and Network Features for Relevance-Based Tweet Classification

著者 (3件)： Barbouch Mohamed (Leiden University (LIACS), Leiden, The Netherlands) ,  Takes Frank W. (Leiden University (LIACS), Leiden, The Netherlands) ,  Verberne Suzan (Leiden University (LIACS), Leiden, The Netherlands)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12467  ページ： 15-27  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,8つの自然災害から局所クラスへのTwitterデータの分類法を提案した。社会的メディアコンテンツの自動分類は,洪水や地震のような状況における関連情報を迅速に同定しなければならない危機管理組織にとって非常に重要である。著者らのアプローチに特有なことは,ツイートの内容と,このコンテンツを生成するユーザの影響の両方を利用することである。大規模事前訓練言語モデル(BERT)による転送学習法に対する従来のテキスト分類器の有効性を比較した。ユーザの影響を理解するために,根底にあるTwitterの言及ネットワークにおけるユーザのランクを分類プロセスに含めた。最終アプローチは,様々なユーザランク特徴と同様に,最良のコンテンツベースモデルのアンサンブルから成る。BERTは,特に大きなカテゴリーに対して,従来のテキスト分類器より優れていることを見出した。さらに,彼または彼女の社会的位置に基づくユーザの影響は,いくつかの特定のツイートカテゴリーにおいて高い関連性があることを見出した。提案手法は危機状況における関連Twitterコンテンツの自動実時間検出に有用である。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 洪水 ,  学習 ,  自動分類 ,  *ネットワーク ,  地震 ,  自然災害 ,  リスク管理 ,  有効性 ,  コンテンツ ,  *言語モデル
準シソーラス用語： 分類法 ,  テキスト分類 ,  実時間 ,  ツイッター , 【Automatic Indexing@JST】

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： 関連性 ,  分類 ,  言語モデル