COVID-19 event extraction from Twitter via extractive question answering with continuous prompts

要約

COVID-19 が世界を荒廃させているため、ソーシャル メディア分析は、パンデミックがどのように進化するかを評価し、ヘルスケア機関がそれに対処するのに役立つ可能性のある消費者の会話をキャプチャする際に、従来の調査を強化する可能性があります。
これには通常、病気の検査結果が陽性であることに言及するマイニング開示イベントや、予防または治療の選択肢に関する認識や信念に関する議論が含まれます。
COVID-19 イベント抽出に関する 2020 年の共有タスク (EMNLP 会議中の W-NUT ワークショップの一部として実施) では、COVID-19 ツイートからのイベント抽出をベンチマークするための新しい Twitter データセットが導入されました。
この論文では、言語モデルにおける連続プロンプトの最近の進歩を使用して、イベント抽出の問題を抽出質問応答としてキャストします。
共有タスク テスト データセットでは、私たちのアプローチにより、すべての COVID-19 イベント スロットで、以前の最良の結果よりも 5% を超える絶対マイクロ平均 F1 スコアの改善が得られました。
私たちのアブレーション研究は、継続的なプロンプトが最終的なパフォーマンスに大きな影響を与えることを示しています.

要約(オリジナル)

As COVID-19 ravages the world, social media analytics could augment traditional surveys in assessing how the pandemic evolves and capturing consumer chatter that could help healthcare agencies in addressing it. This typically involves mining disclosure events that mention testing positive for the disease or discussions surrounding perceptions and beliefs in preventative or treatment options. The 2020 shared task on COVID-19 event extraction (conducted as part of the W-NUT workshop during the EMNLP conference) introduced a new Twitter dataset for benchmarking event extraction from COVID-19 tweets. In this paper, we cast the problem of event extraction as extractive question answering using recent advances in continuous prompting in language models. On the shared task test dataset, our approach leads to over 5% absolute micro-averaged F1-score improvement over prior best results, across all COVID-19 event slots. Our ablation study shows that continuous prompts have a major impact on the eventual performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google