CReMa: Crisis Response through Computational Identification and Matching of Cross-Lingual Requests and Offers Shared on Social Media

要約

危機に際して、ソーシャル メディア プラットフォームはコミュニケーションの促進とリソースの調整において重要な役割を果たします。
混乱と不確実性の真っ只中、コミュニティはしばしばこれらのプラットフォームに依存して、緊急の助けを求める嘆願を共有し、支援を拡大し、救援活動を組織します。
ただし、このような期間中の圧倒的な量の会話は前例のないレベルにまでエスカレートする可能性があり、救援活動を合理化するために要求と申し出の自動識別と照合が必要になります。
さらに、どの地理的地域にも多様な言語人口が存在する可能性があるにもかかわらず、多言語環境で実施された研究が著しく欠如しています。
したがって、緊急時にソーシャルメディアプラットフォーム上のリクエストとオファーを効果的に特定して照合するという課題に対処するために、テキスト、時間、空間の特徴を統合する体系的なアプローチであるCReMa(Crisis Response Matcher)を提案します。
私たちのアプローチでは、危機に特化した事前トレーニング済みモデルと多言語埋め込みスペースを利用します。
人間の意思決定をエミュレートして、時間的および空間的特徴を計算し、テキスト特徴を非線形に重み付けします。
私たちの実験結果は有望であり、強力なベースラインを上回っています。
さらに、16 の言語でソーシャル メディア上で助けを求めたり支援を提供したりすることをシミュレートする新しい多言語データセットを導入し、包括的な多言語実験を実施します。
さらに、100 万規模のジオタグが付けられた地球規模のデータセットを分析して、ソーシャル メディアで助けを求めたり支援を提供したりするパターンを理解しています。
全体として、これらの貢献は危機情報学の分野を前進させ、この分野における将来の研究のベンチマークを提供します。

要約(オリジナル)

During times of crisis, social media platforms play a crucial role in facilitating communication and coordinating resources. In the midst of chaos and uncertainty, communities often rely on these platforms to share urgent pleas for help, extend support, and organize relief efforts. However, the overwhelming volume of conversations during such periods can escalate to unprecedented levels, necessitating the automated identification and matching of requests and offers to streamline relief operations. Additionally, there is a notable absence of studies conducted in multi-lingual settings, despite the fact that any geographical area can have a diverse linguistic population. Therefore, we propose CReMa (Crisis Response Matcher), a systematic approach that integrates textual, temporal, and spatial features to address the challenges of effectively identifying and matching requests and offers on social media platforms during emergencies. Our approach utilizes a crisis-specific pre-trained model and a multi-lingual embedding space. We emulate human decision-making to compute temporal and spatial features and non-linearly weigh the textual features. The results from our experiments are promising, outperforming strong baselines. Additionally, we introduce a novel multi-lingual dataset simulating help-seeking and offering assistance on social media in 16 languages and conduct comprehensive cross-lingual experiments. Furthermore, we analyze a million-scale geotagged global dataset to understand patterns in seeking help and offering assistance on social media. Overall, these contributions advance the field of crisis informatics and provide benchmarks for future research in the area.

arxiv情報

著者 Rabindra Lamsal,Maria Rodriguez Read,Shanika Karunasekera,Muhammad Imran
発行日 2024-08-29 23:45:48+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CL パーマリンク