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

Analysis of Detection Models for Disaster-Related Tweets

Wiegmann, Matti und Kersten, Jens und Klan, Friederike und Potthast, Martin und Stein, Benno (2020) Analysis of Detection Models for Disaster-Related Tweets. In: 17th Annual International Conference on Information Systems for Crisis Response and Management, ISCRAM 2020, Seiten 872-880. ISCRAM 2020, 2020-05-24 - 2020-05-27, Blacksburg, VA, USA. ISBN 978-194937327-1. ISSN 2411-3387.

[img] PDF
1MB

Offizielle URL: http://idl.iscram.org/files/mattiwiegmann/2020/2278_MattiWiegmann_etal2020.pdf

Kurzfassung

Social media is perceived as a rich resource for disaster management and relief efforts, but the high class imbalance between disaster-related and non-disaster-related messages challenges a reliable detection. We analyze and compare the effectiveness of three state-of-the-art machine learning models for detecting disaster-related tweets. In this regard we introduce the Disaster Tweet Corpus 2020, an extended compilation of existing resources, which comprises a total of 123,166 tweets from 46 disasters covering 9 disaster types. Our findings from a large experiments series include: detection models work equally well over a broad range of disaster types when being trained for the respective type, a domain transfer across disaster types leads to unacceptable performance drops, or, similarly, type-agnostic classification models behave more robust at a lower effectiveness level. Altogether, the average misclassification rate of 3,8\% on performance-optimized detection models indicates effective classification knowledge but comes at the price of insufficient generalizability.

elib-URL des Eintrags:https://elib.dlr.de/137213/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Analysis of Detection Models for Disaster-Related Tweets
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Wiegmann, MattiMatti.Wiegmann (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Kersten, Jensjens.kersten (at) dlr.dehttps://orcid.org/0000-0002-4735-7360NICHT SPEZIFIZIERT
Klan, FriederikeFriederike.Klan (at) dlr.dehttps://orcid.org/0000-0002-1856-7334NICHT SPEZIFIZIERT
Potthast, MartinLeipzig UniversityNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Stein, BennoBauhaus-Universität WeimarNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Mai 2020
Erschienen in:17th Annual International Conference on Information Systems for Crisis Response and Management, ISCRAM 2020
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
Seitenbereich:Seiten 872-880
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
Hughes, Amanda LeeNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
McNeill, FionaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Zobel, ChristopherNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
ISSN:2411-3387
ISBN:978-194937327-1
Status:veröffentlicht
Stichwörter:Tweet Filtering, Crisis Management, Evaluation Framework
Veranstaltungstitel:ISCRAM 2020
Veranstaltungsort:Blacksburg, VA, USA
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:24 Mai 2020
Veranstaltungsende:27 Mai 2020
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: Kersten, Dr.-Ing. Jens
Hinterlegt am:13 Nov 2020 14:01
Letzte Änderung:10 Jul 2024 08:46

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.