HyperAIHyperAI
vor 2 Monaten

Die Nutzung ereignis-spezifischer und chunk-span Features zur Extraktion von COVID-Ereignissen aus Tweets

Ayush Kaushal; Tejas Vaidhya
Die Nutzung ereignis-spezifischer und chunk-span Features zur Extraktion von COVID-Ereignissen aus Tweets
Abstract

Twitter hat während Katastrophen und Pandemien, insbesondere während der COVID-19-Pandemie, als wichtige Informationsquelle gedient. In dieser Arbeit beschreiben wir unser Systemeinreichung für die WNUT 2020 Shared Task-3. Das Ziel der Aufgabe war es, die automatische Extraktion verschiedener COVID-19-bezogener Ereignisse aus Twitter zu ermöglichen, wie zum Beispiel Personen, die sich kürzlich mit dem Virus infiziert haben, Menschen mit Symptomen, denen ein Test verweigert wurde und die an Heilmittel gegen die Infektion glauben. Das System besteht aus separaten Multi-Task-Modellen für Slot-Füllungsunteraufgaben und Satzklassifizierungsunteraufgaben und nutzt dabei nützliche satzbezogene Informationen für das entsprechende Ereignis. Das System verwendet COVID-Twitter-Bert mit aufmerksamkeitsgewichteter Pooling von Kandidatenslot-Chunk-Features, um nützliche Informationschunks zu erfassen. Das System erreichte den 1. Platz im Leaderboard mit einem F1-Wert von 0,6598, ohne Ensembles oder zusätzliche Datensätze zu verwenden. Der Code und die trainierten Modelle sind unter dieser https-URL verfügbar.

Die Nutzung ereignis-spezifischer und chunk-span Features zur Extraktion von COVID-Ereignissen aus Tweets | Neueste Forschungsarbeiten | HyperAI