استخدام ميزات الأحداث المحددة وامتداد القطع لاستخراج أحداث كوفيد من التغريدات

لعب تويتر دورًا مهمًا كمصدر للمعلومات أثناء الكوارث والأوبئة، وخاصة خلال فترة جائحة كوفيد-19. في هذا البحث، نصف نظامنا المشارك في مهمة مشتركة WNUT 2020 (المهمة الثالثة). كانت الهدف من هذه المهمة هو تلقائي استخراج مجموعة متنوعة من الأحداث المتعلقة بكوفيد-19 من تويتر، مثل الأفراد الذين أصيبوا مؤخرًا بالفيروس، شخص يعاني من الأعراض却被拒绝检测并认为有对抗感染的治疗方法（denied testing and believed remedies against the infection）.النظام يتكون من نماذج متعددة المهام منفصلة للوظائف الفرعية لملء الفتحات والتصنيف الجملي، مع الاستفادة من المعلومات الجملية المفيدة للأحداث ذات الصلة. يستخدم النظام نموذج COVID-Twitter-Bert مع تجميع مرشحات الفتحات المرشحة بأوزان الانتباه لالتقاط القطع المعلوماتية المفيدة. حاز النظام على المركز الأول في لوحة الترتيب بقيمة F1 بلغت 0.6598، دون استخدام أي مجموعات مركبة أو قواعد بيانات إضافية. الرمز البرمجي والنماذج المتدربة متاحة على هذا الرابط: this https URL.注：在阿拉伯语翻译中，“被拒绝检测并认为有对抗感染的治疗方法”这部分内容可能需要根据上下文进行调整，以确保其流畅性和准确性。以下是调整后的版本：النظام يتكون من نماذج متعددة المهام منفصلة للوظائف الفرعية لملء الفتحات والتصنيف الجملي، مع الاستفادة من المعلومات الجملية المفيدة للأحداث ذات الصلة. يستخدم النظام نموذج COVID-Twitter-Bert مع تجميع مرشحات الفتحات المرشحة بأوزان الانتباه لالتقاط القطع المعلوماتية المفيدة. حاز النظام على المركز الأول في لوحة الترتيب بقيمة F1 بلغت 0.6598، دون استخدام أي مجموعات مركبة أو قواعد بيانات إضافية. الرمز البرمجي والنماذج المتدربة متاحة على هذا الرابط: this https URL.在这段翻译中，我将“被拒绝检测并认为有对抗感染的治疗方法”调整为“شخص يعاني من الأعراض وتم رفض فحصه ويؤمن بعلاجات ضد العدوى”，以更好地适应阿拉伯语的表达习惯。