ترجمه فارسی مقاله یادگیری فعال برای شناسایی توییت‌های مرتبط با فاجعه: مقایسه با فیلتر کردن کلمات کلیدی و تنظیم دقیق عمومی

چکیده

Information from social media can provide essential information for emergency response during natural disasters in near real-time. However, it is difficult to identify the disaster-related posts among the large amounts of unstructured data available. Previous methods often use keyword filtering, topic modelling or classification-based techniques to identify such posts. Active Learning (AL) presents a promising sub-field of Machine Learning (ML) that has not been used much in the field of text classification of social media content. This study therefore investigates the potential of AL for identifying disaster-related Tweets. We compare a keyword filtering approach, a RoBERTa model fine-tuned with generic data from CrisisLex, a base RoBERTa model trained with AL and a fine-tuned RoBERTa model trained with AL regarding classification performance. For testing, data from CrisisLex and manually labelled data from the 2021 flood in Germany and the 2023 Chile forest fires were considered. The results show that generic fine-tuning combined with 10 rounds of AL outperformed all other approaches. Consequently, a broadly applicable model for the identification of disaster-related Tweets could be trained with very little labelling effort. The model can be applied to use cases beyond this study and provides a useful tool for further research in social media analysis.

چکیده به فارسی (ترجمه ماشینی)

اطلاعات مربوط به رسانه های اجتماعی می تواند اطلاعات اساسی را برای واکنش اضطراری در هنگام بلایای طبیعی در زمان واقعی نزدیک ارائه دهد.با این حال ، شناسایی پست های مربوط به فاجعه در بین مقدار زیادی از داده های بدون ساختار موجود دشوار است.روشهای قبلی اغلب از فیلتر کردن کلمات کلیدی ، مدل سازی موضوع یا تکنیک های مبتنی بر طبقه بندی برای شناسایی چنین پست هایی استفاده می کنند.Learning Active (AL) یک زیرزمین امیدوار کننده از یادگیری ماشین (ML) را ارائه می دهد که در زمینه طبقه بندی متن محتوای رسانه های اجتماعی مورد استفاده قرار نگرفته است.بنابراین این مطالعه به بررسی پتانسیل AL برای شناسایی توییت های مرتبط با فاجعه می پردازد.ما یک رویکرد فیلتر کلمه کلیدی را با هم مقایسه می کنیم ، یک مدل روبرتا با داده های عمومی از Crisislex ، یک مدل پایه روبرتا که با AL آموزش داده شده است و یک مدل روبرتا با تنظیم دقیق که با AL در رابطه با عملکرد طبقه بندی آموزش دیده است ، مقایسه می کنیم.برای آزمایش ، داده های حاصل از داده های Crisislex و به صورت دستی برچسب زده شده از سیل سال 2021 در آلمان و آتش سوزی های جنگلی 2023 شیلی در نظر گرفته شد.نتایج نشان می دهد که تنظیم دقیق عمومی همراه با 10 دور AL از همه رویکردهای دیگر بهتر است.در نتیجه ، یک مدل کاملاً قابل اجرا برای شناسایی توییت های مرتبط با فاجعه می تواند با تلاش بسیار کمی برچسب گذاری آموزش داده شود.این مدل را می توان برای استفاده از موارد فراتر از این مطالعه استفاده کرد و ابزاری مفید برای تحقیقات بیشتر در تجزیه و تحلیل رسانه های اجتماعی فراهم می کند.