基于BERT遷移學習模型的地震災害社交媒體信息分類研究

摘要： 社交媒體數(shù)據(jù)具有現(xiàn)勢性高、傳播快、信息豐富、成本低、數(shù)據(jù)量大等優(yōu)點，已經(jīng)成為分析突發(fā)災害事件的重要信息源，但社交媒體數(shù)據(jù)也存在質(zhì)量各異、冗余而又不完整、覆蓋不均勻、缺少統(tǒng)一規(guī)范、隱私與安全難以控制等缺點。為了利用社交媒體數(shù)據(jù)為災害應急響應提供精準化依據(jù)，需要能夠甄別社交媒體內(nèi)容并進行有效分類的先進技術(shù)。利用基于變換器的雙向編碼表征進行遷移學習，建立文本分類模型，對地震災害事件后...