"A Tale of Two Movements": Identifying and Comparing Perspectives in #BlackLivesMatter and #BlueLivesMatter Movements-related Tweets using Weakly Supervised Graph-based Structured Prediction
Purdue University(普渡大学)
本文提出一种弱监督基于图的结构化预测方法,结合社会语言表示与大型语言模型生成训练数据,有效识别并比较了#BlackLivesMatter与#BlueLivesMatter相关推文中的不同视角。
2023-10-21 cs.CL
Fine-Tuning Transformers for Identifying Self-Reporting Potential Cases and Symptoms of COVID-19 in Tweets
Johns Hopkins University(约翰斯·霍普金斯大学);Barnard College(巴纳德学院);Data Science Institute(数据科学研究所);Columbia University(哥伦比亚大学)
我们描述了我们对2021年健康应用社交媒体挖掘(SMM 4 H)共享任务的任务5和6的直接方法。我们的系统基于对每个任务的Distill- BERT进行微调,以及首先对其他任务的模型进行微调。我们探讨了需要进行多少微调才能准确地将推文分类为包含自我报告的COVID-19症状(任务5),或者与COVID-19相关的推文是自我报告、非个人报告还是病毒的文献/新闻提及(任务6)。
2021-04-12 cs.CL cs.SI
Identifying epidemic related Tweets using noisy learning
Georgia State University(佐治亚州立大学)
监督学习算法严重依赖于带注释的数据集来训练机器学习模型。然而,由于涉及手动工作,注释数据集的管理是费力和耗时的,并且已经成为监督学习中的巨大瓶颈。在这项工作中,我们应用噪声学习理论来生成弱监督信号,而不是手动注释。我们策划了一个嘈杂的标签数据集使用标签启发式识别流行病相关的推文。我们使用大型流行病语料库评估了性能,我们的结果表明,在类不平衡和多分类弱监督设置中使用噪声数据训练的模型实现了超过90%的性能。
2022-09-10 cs.CL cs.LG
Identifying Intensity of the Structure and Content in Tweets and the Discriminative Power of Attributes in Context with Referential Translation Machines
AI Enablement(AI赋能部门);Huawei Türkiye R&D Center(华为土耳其研发中心)
本文提出用堆叠RTM将属性—词语相似性及多语言推文情感强度预测建模为MTPP,在任务10与任务1上均取得良好效果。
2024-07-06 cs.AI cs.CL
NutCracker at WNUT-2020 Task 2: Robustly Identifying Informative COVID-19 Tweets using Ensembling and Adversarial Training
Indian Institute of Technology (Indian School of Mines)(印度理工学院(印度矿业学院))
我们使用COVID-Twitter-BERT和RoBERTa模型进行实验,以识别信息丰富的COVID-19推文。我们进一步实验对抗训练,使我们的模型鲁棒。COVID-Twitter-BERT和RoBERTa的集合在WNUT-2020任务2的测试数据上获得了0.9096的F1分数(在阳性类别上),并在排行榜上排名第一。使用对抗训练训练的模型的集合也产生类似的结果。
2020-10-09 cs.CL cs.IR cs.LG
An Iterative Approach for Identifying Complaint Based Tweets in Social Media Platforms
MIDAS, IIIT-Delhi(德里印度信息技术学院MIDAS中心);University of Maryland, College Park(马里兰大学帕克分校);Bloomberg(彭博公司);Netaji Subhas Institute of Technology(纳吉吉·萨布哈什理工学院)
Twitter是一个社交媒体平台,用户可以在这里就各种问题发表意见。私营/公共机构可利用提出申诉或投诉的帖子来改善其服务,并迅速进行低成本评估。在本文中,我们提出了一个迭代的方法,旨在确定投诉为基础的职位有关的运输域。我们进行了全面的评估,并为研究目的发布了一个新的数据集。
2020-06-17 cs.CL cs.SI
UIT-HSE at WNUT-2020 Task 2: Exploiting CT-BERT for Identifying COVID-19 Information on the Twitter Social Network
National Research University HSE(国立研究型高等经济大学)
最近,COVID-19影响了世界的各个现实生活方面,并导致了可怕的后果。越来越多关于COVID-19的推文在Twitter上被公开分享。然而,这些推文中的多个是无信息的,这对于构建自动系统来检测有用的AI应用程序的信息是具有挑战性的。在本文中,我们在W-NUT 2020共享任务2:信息性COVID-19英语推文的识别中展示了我们的结果。特别是,我们提出了我们的简单而有效的方法,使用基于COVID-Twitter-BERT(CT-BERT)的模型与不同的微调技术。结果,我们获得了90.94%的F1分数,在该任务的排行榜上排名第三,共吸引了56个提交的团队。
2020-11-13 cs.CL
When Politicians Talk About Politics: Identifying Political Tweets of Brazilian Congressmen
Federal University of Minas Gerais(米纳斯吉拉斯联邦大学);State University of Southwestern of Bahia(巴伊亚西南州立大学);Federal University of Bahia(巴伊亚联邦大学)
自2013年6月以来,巴西面临着一代人以来规模最大、影响最大的大规模抗议活动,一场政治危机正在酝酿之中。在这场危机中,巴西政治家利用社交媒体与选民沟通,以保留或增加他们的政治资本。问题是,许多有争议的话题正在进行中,代表们可能更愿意在他们的信息中避免这些主题。为了描述这种行为,我们提出了一种方法来准确地识别政治和非政治推文独立的副手谁张贴它和它被张贴的时间。此外,我们还收集了2013年10月至2017年10月期间活跃在Twitter上并在巴西议会工作的所有国会议员的推文。为了评估我们的方法,我们使用了词云和主题模型来识别主要的政治和非政治潜在主题的推特。这两个结果都表明,我们的建议能够准确区分政治和非政治推文。此外,我们的分析揭示了一个惊人的事实:巴西代表发布的信息中有一半以上是非政治性的。
2018-05-04 cs.CL cs.SI
Not-NUTs at W-NUT 2020 Task 2: A BERT-based System in Identifying Informative COVID-19 English Tweets
University of Washington(华盛顿大学);University of Rochester(罗切斯特大学)
截至二零二零年,当COVID-19疫情在全球范围内全面爆发时,人们获取有关COVID-19的合法信息的需求比以往任何时候都更加迫切,尤其是通过在线媒体,大量无关信息掩盖了更有价值的信息。针对这种情况,我们提出了一个模型,该模型可以自动识别一条英文推文是否包含有关COVID-19的信息内容。通过整合不同的BERTweet模型配置,我们已经取得了有竞争力的结果,在信息类的F1得分方面,这些结果仅比表现最好的团队少大约1%。在比赛后的阶段,我们还尝试了各种其他方法,这些方法可能会提高对新数据集的泛化能力。
2020-09-14 cs.CL cs.IR cs.LG
I-AID: Identifying Actionable Information from Disaster-related Tweets
Paderborn University(帕德博恩大学);Menoufia University(梅努菲亚大学)
社交媒体在灾害管理中发挥着重要作用,提供有关受灾人员、捐款和帮助请求的宝贵数据。最近的研究强调需要将社交媒体上的信息过滤成细粒度的内容标签。然而,在危机期间从大量社交媒体帖子中识别有用信息是一项具有挑战性的任务。在本文中,我们提出了I-AID,一个多模型的方法来自动分类的推文到多标签的信息类型和过滤的关键信息,从大量的社交媒体数据。I-AID包含三个主要组件:i)基于BERT的编码器,用于捕获推文的语义并表示为低维向量; ii)图形注意力网络(GAT),用于理解推文的单词/实体与相应信息类型之间的相关性;以及iii)关系网络,作为可学习的距离度量,用于以监督的方式计算推文与其相应信息类型之间的相似性。我们在两个真实的公开数据集上进行了几次实验。我们的研究结果表明,I-AID在TREC-IS数据集和COVID-19推文的加权平均F1得分方面分别优于最先进的方法+6%和+4%。
2021-05-19 cs.AI cs.CL cs.IR
Identifying Morality Frames in Political Tweets using Relational Learning
Purdue University(普渡大学)
从文本中提取道德情感是理解公众舆论,社会运动和政策决定的重要组成部分。道德基础理论确定了五种道德基础,每一种都与积极和消极的极性相关联。然而,道德情感往往是由它的目标,这可以对应于个人或集体实体。在本文中,我们介绍了道德框架,一个代表性的框架,用于组织针对不同实体的道德态度,并提出了一个新的和高质量的注释数据集的推文写的美国政客。然后,我们提出了一个关系学习模型来预测对实体和道德基础的道德态度。我们做了定性和定量的评估,表明对实体的道德情感在不同的政治意识形态中有很大的差异。
2021-09-09 cs.AI cs.CL cs.CY
Identifying Offensive Posts and Targeted Offense from Twitter
Bloomberg(彭博);DTU-Delhi(德里理工大学);NSIT-Delhi(德里内塔吉·苏巴斯理工学院);Adobe(奥多比);IIIT-Delhi(德里印德拉普拉斯塔信息技术学院)
在本文中,我们介绍了SemEval 2019任务6的子任务A和子任务B的方法和系统描述:识别和分类社交媒体中的攻击性语言。子任务A涉及识别给定的推文是否具有攻击性,子任务B涉及检测攻击性推文是否针对某人(团体或个人)。我们的子任务A模型基于卷积神经网络、带注意力的双向LSTM和双向LSTM +双向GRU的集成,而对于子任务B,我们依赖于从训练数据和手动观察中获得的一组算法。我们提供了使用训练模型获得的结果的详细分析。我们的团队在子任务A的103名参与者中排名第5,达到了0.807的宏观F1分数,在子任务B的75名参与者中排名第8,达到了0.695的宏观F1分数。
2019-04-19 cs.CL
KEIS@JUST at SemEval-2020 Task 12: Identifying Multilingual Offensive Tweets Using Weighted Ensemble and Fine-Tuned BERT
Jordan University of Science and Technology(约旦科技大学)
这项研究介绍了我们的团队KEIS@JUST参与SemEval-2020任务12,该任务代表了多语言攻击性语言的共享任务。我们参与了所有子任务提供的所有语言,除了英语的子任务A。已经开发了两种主要方法,第一种是处理阿拉伯语和英语两种语言,加权集成包括Bi-GRU和CNN,然后是高斯噪声和全局池化层乘以权重以提高整体性能。第二种是对其他语言进行的,除了循环神经网络(如Bi-LSTM和Bi-GRU)之外,还从BERT进行了迁移学习,然后是全局平均池化层。词嵌入和上下文嵌入已被用作特征,此外,数据增强仅用于阿拉伯语。
2020-05-15 cs.CL cs.LG
EdinburghNLP at WNUT-2020 Task 2: Leveraging Transformers with Generalized Augmentation for Identifying Informativeness in COVID-19 Tweets
University of Edinburgh(爱丁堡大学)
Twitter和一般社交媒体已成为紧急情况下不可或缺的沟通渠道。无处不在的智能手机小工具使人们能够宣布实时观察到的紧急情况。因此,越来越多的机构有兴趣以编程方式监控Twitter(救灾组织和新闻机构)。因此,识别推文的信息量可以帮助过滤大量推文中的噪声。在本文中,我们提交了WNUT-2020任务2:识别信息性COVID-19英语推文的提交内容。我们最成功的模型是一组Transformers,包括在半监督学习(SSL)设置中训练的RoBERTa、XLNet和BERTweet。该系统在测试集上的F1得分为0.9011(排行榜上排名第7),与使用FastText嵌入的基线系统相比,该系统的性能有了显着提高。
2021-04-18 cs.CL cs.IR cs.LG
Identifying negativity factors from social media text corpus using sentiment analysis method
University of Balochistan(俾路支大学);SBK Women’s University Balochistan(俾路支SBK女子大学);Institute of Management Sciences(管理科学研究所)
自动情感分析在决策中起着重要的作用。许多组织花费大量预算通过手动查看他们的反馈/评论或推文来了解他们的客户满意度。自动情感分析可以给出针对任何事件、产品或活动接收到的评论的整体画面。通常,评论/推文被分为两个主要类别,即负面或正面。然而,负面评论过于抽象,无法理解基本原因或上下文。各组织有兴趣查明消极的确切原因。在这项研究中,我们分层地进入负面评论,并将它们与更多的类联系起来。推文是从Twitter和Facebook等社交媒体网站提取的。如果情感分析将任何推文分类为负面类别,则我们进一步尝试将该负面评论与更多可能的负面类别相关联。根据专家意见,负面评论/推文进一步分为8类。不同的机器学习算法进行评估,并报告其准确性。
2021-07-06 cs.AI cs.CL
On Identifying Hashtags in Disaster Twitter Data
University of Illinois at Chicago(伊利诺伊大学芝加哥分校);Kansas State University(堪萨斯州立大学)
推特标签有可能改善灾难事件期间的信息搜索。然而,有大量与灾害相关的推文没有任何用户提供的主题标签。此外,只有少数包含可操作标签的推文对灾害响应有用。为了促进Twitter数据的灾难标签自动识别(或提取)的进展,我们构建了一个独特的灾难相关推文数据集,这些推文用标签进行注释,用于过滤可操作的信息。使用这个数据集,我们进一步研究长短期记忆为基础的多任务学习框架内的模型。表现最好的模型的F1得分高达92.22%。数据集、代码和其他资源都可以在Github上找到。
2020-01-05 cs.CL cs.IR cs.LG
Duluth at SemEval-2019 Task 6: Lexical Approaches to Identify and Categorize Offensive Tweets
University of Minnesota(明尼苏达大学)
本文描述了参加SemEval-2019任务6的德卢斯系统,识别和分类社交媒体中的攻击性语言(OffensEval)。在大多数情况下,这些系统采用传统的机器学习方法,从手动标记的训练数据中找到的词汇特征构建分类器。然而,我们最成功的将推文分类为攻击性(或非攻击性)的系统是基于规则的黑名单方法,我们还尝试将来自两个不同但相关的SemEval任务的训练数据结合起来。在三个OffensEval任务中,我们最好的系统都位于比较评估的中间,在任务A中排名第57位,在任务B中排名第39位,在任务C中排名第44位。
2020-07-25 cs.CL
InfoMiner at WNUT-2020 Task 2: Transformer-based Covid-19 Informative Tweet Extraction
Birmingham City University(伯明翰城市大学);University of Wolverhampton(伍尔弗汉普顿大学)
在构建基于社交媒体的信息抽取系统时,识别信息丰富的推文是一个重要步骤。WNUT-2020任务2旨在从噪声推文中识别信息推文。在本文中,我们提出了我们的方法来解决使用Transformers的任务目标。总的来说,我们的方法在最终排名中获得了第10名,测试集的F1得分为0.9004。
2020-10-11 cs.CL cs.LG
Identifying causal relations in tweets using deep learning: Use case on diabetes-related tweets from 2017-2021
Paris-Saclay University(巴黎-萨克雷大学);UVSQ(凡尔赛大学);Inserm(法国国家健康与医学研究院);Gustave Roussy(古斯塔夫·鲁西研究所);Epiconcept Company(Epiconcept公司);Accenture Labs(埃森哲实验室);Sorbonne University(索邦大学);University Sorbonne Paris Nord(索邦巴黎北大学);Indian Institute of Science(印度科学学院);Luxembourg Institute of Health(卢森堡健康研究院)
目的:利用机器学习方法,我们的目标是从患者报告的糖尿病相关推文中提取明确和隐含的因果关系,并提供一种工具,从因果关系的角度更好地理解糖尿病在线社区中共享的意见,感受和观察。材料和方法:在2017年4月至2021年1月期间收集了超过3000万条与糖尿病相关的英文推文。深度学习和自然语言处理方法被应用于关注具有个人和情感内容的推文。手动标记因果推文数据集并用于训练1)微调的Bertweet模型以检测包含因果关联的因果句子2)具有基于BERT的特征的CRF模型以提取可能的因果关联。原因和影响在一个半监督的方法和可视化的互动因果网络中进行了聚类。结果:在不平衡数据集中,因果句的召回率为68%。一个CRF模型与BERT为基础的功能优于微调BERT模型的因果检测与宏观召回率为68%。这导致了96,676个带有因果关系的句子。“糖尿病”被确定为中心聚类,其次是“死亡”和“胰岛素”。胰岛素定价相关原因通常与“死亡”相关。结论:开发了一种新的方法来检测因果句子,并识别显式和隐式,单个和多个单词的原因和相应的效果,如在糖尿病相关的推文中表达的,利用基于BERT的架构和可视化的因果网络。在社交媒体数据中提取现实生活中的因果关系,患者报告的结果为糖尿病研究提供了有用的补充信息来源。
2022-02-24 cs.AI cs.CL cs.LG
Identifying Scientists on X
Heinrich-Heine-University(海因里希·海涅大学);GESIS - Leibniz Institute for the Social Sciences(GESIS 莱布尼茨社会科学研究所)
本研究提出基于用户简介和推文自动识别X平台科学家用户的方法,随机森林F1达0.88,集成DeBERTa模型达0.96,并提供两个标注数据集。
2026-09-28 cs.CL
Active Learning for Identifying Disaster-Related Tweets: A Comparison with Keyword Filtering and Generic Fine-Tuning
University of Salzburg(萨尔茨堡大学);Harvard University(哈佛大学)
本研究针对社交媒体灾害相关推文识别难题,对比主动学习、关键词过滤、通用微调等方法,发现通用微调结合10轮主动学习效果最优,可低标注成本训练出通用的灾害推文识别模型。
2024-08-19 cs.CL cs.LG
Team Alex at CLEF CheckThat! 2020: Identifying Check-Worthy Tweets With Transformer Models
Sofia University “St Kliment Ohridski”(索非亚大学“圣克里门特·奥赫里德斯基”);Qatar Computing Research Institute, HBKU(哈马德·本·哈利法大学卡塔尔计算研究所)
虽然多年来社交媒体上的错误信息和虚假信息一直很猖獗,但随着COVID-19大流行的出现,政治和健康错误信息合并,从而将问题提升到一个全新的水平,并引发了第一次全球信息流行病。打击这一信息流行病有许多方面,其中最重要的是核查事实和揭穿虚假和误导性的说法。不幸的是,手动事实检查是耗时的,自动事实检查是资源密集型的,这意味着我们需要预先过滤输入的社交媒体帖子,并丢弃那些看起来不值得检查的帖子。考虑到这一点,我们在这里提出了一个模型,用于检测关于COVID-19的值得检查的推文,该模型将深度上下文化的文本表示与推文的社会背景建模相结合。我们进一步描述了一些额外的实验和比较,我们认为这应该是有用的,为未来的研究,因为他们提供了一些指示什么技术是有效的任务。我们正式提交英文版的CLEF-2020 CheckThat!任务1,系统Team_Alex,以0.8034的MAP得分排名第二,几乎与获胜系统持平,仅落后0.003 MAP得分。
2020-09-07 cs.CL cs.IR cs.LG
A Computational Approach to Automatic Prediction of Drunk Texting
IIT Bombay(印度理工学院孟买分校);Monash University(莫纳什大学);IITB-Monash Research Academy(印度理工学院孟买分校-莫纳什研究学院);Aix-Marseille University(艾克斯-马赛大学)
酗酒可能导致不合群的行为,如犯罪,酒后驾车或隐私泄露。我们引入自动醉酒发短信预测作为识别文本是否是在酒精影响下写的任务。我们尝试使用标签标记的推文作为远程监督。我们的分类器使用一组N-gram和文体特征来检测醉酒推文。我们的观察提供了第一个定量证据,证明文本包含可以用来检测醉酒短信的信号。
2016-10-04 cs.CL
BANANA at WNUT-2020 Task 2: Identifying COVID-19 Information on Twitter by Combining Deep Learning and Transfer Learning Models
University of Information Technology(信息技术大学);VNU-HCM(越南国立大学胡志明市分校)
COVID-19病毒爆发对全球人民的健康造成重大影响。因此,必须与每个人一起获得关于该疾病的恒定和准确的信息。本文描述了我们的WNUT-2020任务2预测系统:信息性COVID-19英文推文的识别。该任务的数据集包含由人类标记的10,000条英文推文。我们的三个Transformer和深度学习模型的集成模型用于最终预测。实验结果表明,我们已经达到了F1的信息标签在我们的系统在测试集上的88.81%。
2021-04-01 cs.CL cs.SI
Old wine in old glasses: Comparing computational and qualitative methods in identifying incivility on Persian Twitter during the #MahsaAmini movement
University of Vienna(维也纳大学);Allameh Tabataba’i University(阿拉梅·塔巴塔巴伊大学);Queensland University of Technology(昆士兰科技大学);University of Wollongong(伍伦贡大学)
本文比较了三种方法在识别波斯语推文中的不文明行为,发现ParsBERT在识别仇恨言论方面表现优于ChatGPT,并揭示了ChatGPT在处理微妙和明显不文明内容时的不足。
2026-02-09 cs.CL cs.CY
Understanding Lexical Biases when Identifying Gang-related Social Media Communications
The University of Texas at Austin(德克萨斯大学奥斯汀分校);Northwestern University(西北大学)
针对帮派相关推文中的非标准语言与伦理数据难题,本文用芝加哥样本训练二元 logistic 分类器,证明 NLP 可识别需社区照护者,并揭示词汇偏差对模型性能和人群区分的影响。
2023-04-22 cs.AI cs.CL cs.LG
Words ranking and Hirsch index for identifying the core of the hapaxes in political texts
School of Business London South Bank University(伦敦南岸大学商学院);Sapienza University of Rome(罗马第一大学);School of Business University of Leicester(莱斯特大学商学院);Bucharest University of Economic Studies(布加勒斯特经济研究大学)
本文对官方政治演讲的内容进行了定量分析。我们研究了从华盛顿到特朗普的美国总统发表的大约一千次谈话。特别是,我们搜索的相关性的罕见的话,即那些只说一次,在每个演讲-所谓的hapaxes。我们实现了Zipf-Mandelbrot类型的秩大小过程,用于讨论整个语音集上的hapaxes频率规律性。从获得的秩大小法,我们定义和检测的hapaxes集的核心通过一个程序的基础上的赫希指数的变体。我们根据美国总统的演讲来讨论由此产生的词汇表。我们进一步表明,这一核心hapaxes本身可以很好地拟合通过Zipf-Mandelbrot法,并包含元素生产偏差之间的散点图和拟合曲线-所谓的国王和副罗伊效应的低秩。一些社会政治的见解来自于对美国总统的信息所获得的调查结果。
2020-06-13 cs.CL
Z-Index at CheckThat! Lab 2022: Check-Worthiness Identification on Tweet Text
Daffodil International University(达福迪尔国际大学);Qatar Computing Research Institute(卡塔尔计算研究所)
社交媒体和数字技术的广泛使用有助于分享有关事件和活动的各种新闻和信息。尽管分享了积极的信息,但误导和虚假信息也在社交媒体上传播。已经有人努力通过人工专家和自动工具来识别这种误导性信息。由于网上出现了大量包含事实主张的信息,手工工作无法很好地扩展。因此,自动识别值得检查的索赔对人类专家来说非常有用。在这项研究中,我们描述了我们的参与子任务-1A:检查价值的鸣叫(英语,荷兰语和西班牙语)的检查!CLEF 2022的实验室我们执行标准的预处理步骤,并应用不同的模型来识别给定的文本是否值得进行事实检查。我们使用过采样技术来平衡数据集,并应用支持向量机和随机森林(RF)与TF-IDF表示。我们还使用BERT多语言(BERT-m)和XLM-RoBERTa-base预训练模型进行实验。我们使用BERT-m进行正式提交,我们的系统在西班牙语,荷兰语和英语中分别排名第3,第5和第12位。在进一步的实验中,我们的评估表明,Transformer模型(BERT-m和XLM-RoBERTa-base)在荷兰语和英语语言中优于SVM和RF,而在西班牙语中观察到不同的情况。
2022-07-15 cs.CL cs.LG
Forensic Authorship Analysis of Microblogging Texts Using N-Grams and Stylometric Features
Halmstad University(哈尔姆斯塔德大学);University of Tartu(塔尔图大学)
近年来,在互联网上发布的信息和文本被用于刑事调查。不幸的是,其中许多文件的作者仍然不明。在某些渠道中,确定作者身份的问题可能更难,因为数字文本的长度限于一定数量的字符。在这项工作中,我们的目标是确定作者的推文消息,这是限制在280个字符。我们评估流行的功能,传统上在作者归属,捕捉不同层次的写作风格的属性。我们使用我们的实验一个自我捕获的数据库的40个用户,每个用户120至200鸣叫。使用这个小集合的结果是有希望的,不同的特征提供了92%和98.5%之间的分类准确率。这些结果与现有的研究相比具有竞争力,这些研究采用短文本,如推文或短信。
2020-03-24 cs.CL
Identifying and Categorizing Offensive Language in Social Media
University of Ottawa(渥太华大学)
攻击性语言在社交媒体上很普遍。个人经常利用计算机媒介通信的匿名性,利用这一点从事他们中的许多人在现实生活中不会考虑的行为。在线攻击性内容的自动识别是近年来越来越受到关注的重要任务。这个任务可以被建模为监督分类问题,其中系统使用包含关于某种形式的滥用或攻击性内容的存在进行注释的帖子的数据集进行训练。本研究的目的是描述为SemEval-2019任务6:OffensEval构建的分类系统。该系统将推文分类为攻击性或非攻击性(子任务A),并进一步将攻击性推文分类(子任务B \& C)。我们训练了机器学习和深度学习模型以及数据预处理和采样技术,以获得最佳结果。讨论的模型包括朴素贝叶斯,SVM,逻辑回归,随机森林和LSTM。
2021-04-10 cs.CL cs.SI
Interactive Learning for Identifying Relevant Tweets to Support Real-time Situational Awareness
Purdue University(普渡大学);University of Colorado Boulder(科罗拉多大学博尔德分校)
各个领域的用户越来越多地利用实时的【形】社交媒体数据来获得快速的态势感知。然而,由于大量数据中的高噪声,有效地确定语义上相关的信息可能是困难的,并且由于每个终端用户针对不同事件改变相关性的定义而进一步复杂化。现有的大多数短文本相关性分类方法未能将用户的知识纳入分类过程。结合交互式用户反馈的现有方法集中在历史数据集上。因此,分类器不能针对特定事件或依赖于用户的需求进行实时的【形】交互式再训练。这限制了实时的【形】态势感知,因为分类错误的流数据无法立即纠正,从而也可能对重要的传入数据进行错误分类。我们提出了一种新的交互式学习框架,以改善分类过程中,用户迭代地纠正实时训练分类模型的即时预测改进的相关性的推文。我们计算评估我们的分类模型,以适应学习互动率。我们的研究结果表明,我们的方法优于最先进的机器学习模型。此外,我们将我们的框架与扩展的社交媒体分析和报告工具包(SMART)2.0系统集成,允许在为实时的【形】态势感知量身定制的可视化分析系统中使用我们的交互式学习框架。为了证明我们的框架的有效性,我们提供了领域专家的反馈,从第一响应者谁使用扩展SMART 2.0系统。
2019-10-07 cs.CL cs.HC cs.LG
Graph-of-Tweets: A Graph Merging Approach to Sub-event Identification
Purdue University(普渡大学)
图结构是对文本元素之间的关系进行建模的强大工具。词图(Graph-of-Words,GoW)已被用于许多自然语言任务中,用于对词之间的关联进行编码。但是,在文档之间的连接也很重要的情况下,GoW几乎没有提供文档级的关系。为了识别Twitter等社交媒体上的子事件,来自单词和文档级别的特征可能是有用的,因为它们提供事件的不同信息。我们提出了一个混合图形的推文(GoT)模型,它结合了字和文档级的结构建模推文。为了压缩大量的原始数据,我们提出了一种图合并方法,利用快速文本词嵌入,以减少GoW。此外,我们提出了一种新的方法来构建GoT与减少GoW和互信息(MI)的措施。最后,我们确定最大集团提取流行的子事件。我们的模型在压缩词汇级信息和捕获子事件的关键词方面表现出了良好的效果。
2021-01-08 cs.AI cs.CL
A Context-Sensitive Word Embedding Approach for The Detection of Troll Tweets
Duzce University(杜兹大学)
本文评估BERT、ELMo、GloVe与CNN、GRU组合的挑衅性推文检测模型,发现采用GRU分类器的ELMo架构效果最佳,AUC达0.929。
2023-06-07 cs.AI cs.CL
TexTrolls: Identifying Russian Trolls on Twitter from a Textual Perspective
Universitat Politècnica de València(瓦伦西亚理工大学);CNRS(法国国家科学研究中心);Université Paris 13(巴黎第十三大学)
在线新出现的可疑用户,通常被称为巨魔,是仇恨,虚假和欺骗性在线信息的主要来源之一。一些议程正在利用这些有害的用户来传播煽动性的推文,结果,观众被欺骗了。检测此类账户的挑战在于,它们隐藏了自己的身份,这使得它们在社交媒体中伪装起来,增加了仅使用其社交网络信息识别它们的难度。因此,在本文中,我们提出了一种基于文本的方法来检测在线巨魔,例如在美国2016年总统选举期间发现的巨魔。我们的方法主要是基于文本特征,利用主题信息,和分析功能,以确定帐户从他们的写作推文的方式。我们推导出的主题信息,在一个无监督的方式,我们表明,将它们与文本特征,增强了所提出的模型的性能。此外,我们发现,建议的剖析功能执行最好的比较文本功能。
2019-10-03 cs.CL cs.LG cs.SI
Named Entity Recognition in COVID-19 tweets with Entity Knowledge Augmentation
School of Information Science and Engineering, Yunnan University(信息科学与工程学院,云南大学)
针对COVID-19社交媒体推文命名实体识别标注不足、需领域知识的难题,提出实体知识增强方法,可推广至生物医学NER,在全监督和少样本设置下均提升了性能。
2025-10-05 cs.AI cs.CL
Writer Identification Using Microblogging Texts for Social Media Forensics
Halmstad University(哈尔姆斯塔德大学);University of Tartu(塔尔图大学)
确定在线文本的作者身份是打击网络犯罪的根本。不幸的是,文本长度在某些平台上是有限的,这使得挑战更加困难。我们的目标是识别限制在140个字符的Twitter消息的作者。我们评估流行的文体特征,广泛用于文学分析,以及特定的Twitter功能,如URL,标签,回复或引用。我们使用两个数据库,分别有93和3957名作者。我们测试了不同大小的作者集和每个作者不同数量的训练/测试文本。通过自动选择的特征组合进一步提高性能。在大量训练推文(>500)的情况下,即使有数千名作者,也可以仅用几十条测试推文实现良好的准确性(Rank-5>80%)。使用较小的样本大小(10-20个训练推文),搜索空间可以减少9-15%,同时保持在候选者中检索到正确作者的高机会。在这种情况下,自动归因可以为专家在嫌疑人搜索方面节省大量时间。为了完整性,我们报告验证结果。在训练/测试推文很少的情况下,EER高于20- 25%,如果有数百个训练推文可用,则EER降低到< 15%。我们还量化的计算复杂性和时间持久性所采用的功能。
2021-03-06 cs.CL cs.IR
BAKSA at SemEval-2020 Task 9: Bolstering CNN with Self-Attention for Sentiment Analysis of Code Mixed Text
Indian Institute of Technology Kanpur(印度理工学院坎普尔分校)
代码混合文本的情感分析在意见挖掘中有着广泛的应用,从标记用户评论到识别子人群的社会或政治情感。在本文中,我们提出了一种卷积神经网络(CNN)和基于自注意力的LSTM的集成架构,用于代码混合推文的情感分析。虽然CNN组件有助于对正面和负面推文进行分类,但基于自我注意力的LSTM有助于对中性推文进行分类,因为它能够在多个情感承载单元中识别正确的情感。我们在印地语-英语(Hinglish)和西班牙语-英语(Spanglish)数据集上分别获得了0.707(排名第5)和0.725(排名第13)的F1分数。Hinglish和Spanglish任务的提交分别以用户名ayushk和harsh_6进行。
2020-07-21 cs.CL cs.LG
Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing
Universidad de León(莱昂大学)
本研究针对传统ASD诊断的挑战,结合NLP、机器学习与深度学习模型分析社交媒体推文检测ASD,在9万条推文子集上训练测试后识别准确率达88%,证明AI可助力ASD早期诊断。
2024-03-06 cs.CL cs.LG