摘要

社交媒体已成为当前发布和传播突发灾害信息的重要媒介，有效识别并利用其中的真实信息对灾害应急管理具有重要意义。针对传统文本分类模型的不足，提出一种基于 BERT 预训练模型的灾害推文分类方法。经数据清洗、预处理及算法对比分析，在 BERT 预训练模型基础上，研究构建了基于长短期记忆-卷积神经网络(LSTM-CNN)的文本分类模型。在 Kaggle 竞赛平台的推文数据集上的实验表明，相比传统的朴素贝叶斯分类模型和常见的微调模型，该分类模型性能表现优异，识别率可达 85%，可以更好地应对小样本分类问题。有关工作对精准识别真实灾害信息、提高灾害应急响应与沟通效率具有重要意义。

论文下载链接

预印本下载链接

基金资助:国家自然科学基金项目(72091512，51908323)

The authors are grateful for the financial support received from the National Natural Science Foundation of China (No. 72091512, No. 51908323).

相关项目资助情况: