elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Classification of Incident-related Tweets: Tackling Imbalanced Training Data using Hybrid CNNs and Translation-based Data Augmentation

Kruspe, Anna und Kersten, Jens und Wiegmann, Matti und Stein, Benno und Klan, Friederike (2018) Classification of Incident-related Tweets: Tackling Imbalanced Training Data using Hybrid CNNs and Translation-based Data Augmentation. Text REtrieval COnference (TREC), 2018-11-14 - 2018-11-16, Gaithersburg, USA.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

In this paper, we present our four approaches submitted to the 2018 Text REtrieval Conference (TREC) Incident Streams (IS) track. One of the main challenges in this track is the lack of training data for certain classes defined in the ontology. We therefore took measures to expand the provided data; in a first step, additional tweets were manually selected from CrisisLexT26 and EMTerms for all underrepresented classes ensuring a minimum number of 50 tweets per class. Using this expanded data, we trained three models. The first is a baseline model that uses a logistic regression classifier on word statistics. The second model is a state-of-the-art CNN which considers different frame widths on pre-trained word embeddings. This model was then extended with two identical CNN branches trained on the CrisisLexT26 and CrisisNLP data sets, and a posterior fusion network (third approach). Since all of these models still suffered from a lack of training data, more training examples were generated through a data augmentation technique using automatic round-trip translation. The fourth presented approach is identical to the third one, but was trained on this augmented data set. Finally, we describe our importance ranking procedure for tweets. Our method was implemented by weighting the average importance of the detected class and the tweet's relevance obtained with a classifier trained on the CrisisLexT26 data set.

elib-URL des Eintrags:https://elib.dlr.de/126329/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Classification of Incident-related Tweets: Tackling Imbalanced Training Data using Hybrid CNNs and Translation-based Data Augmentation
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Kruspe, Annaanna.kruspe (at) dlr.dehttps://orcid.org/0000-0002-2041-9453NICHT SPEZIFIZIERT
Kersten, JensJens.Kersten (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Wiegmann, MattiBauhaus-Universität WeimarNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Stein, BennoBauhaus-Universität WeimarNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Klan, FriederikeFriederike.Klan (at) dlr.dehttps://orcid.org/0000-0002-1856-7334NICHT SPEZIFIZIERT
Datum:2018
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:akzeptierter Beitrag
Stichwörter:social media, tweet, classification, disaster management, imbalanced training data
Veranstaltungstitel:Text REtrieval COnference (TREC)
Veranstaltungsort:Gaithersburg, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:14 November 2018
Veranstaltungsende:16 November 2018
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:keine Zuordnung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R - keine Zuordnung
DLR - Teilgebiet (Projekt, Vorhaben):R - keine Zuordnung
Standort: Jena
Institute & Einrichtungen:Institut für Datenwissenschaften > Bürgerwissenschaften
Hinterlegt von: Klan, Dr. Friederike
Hinterlegt am:04 Feb 2019 09:58
Letzte Änderung:29 Jul 2024 15:15

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.