Oct, 2023

阿富汗武装冲突中的致命性分类文本数据分析：BERT 方法

PDF
TL;DR通过使用 ACLED 数据集以及基于 BERT 模型的机器学习技术，本研究旨在准确分类阿富汗武装冲突的死亡与非死亡结果，从而为资源分配、政策制定和人道援助等各个领域提供帮助，并为未来预测阿富汗事件严重性的努力铺平道路。
afghanistan armed conflictsmachine learning techniquesbert modelfatality classificationevent severity prediction
发现论文，激发创造
  • 基于 BERT 深度学习算法的 AI 生成文本检测与分类

    基于 BERT 算法的人工智能生成文本检测模型在实验中表现出高准确率和稳定性，为相关领域提供了有效的解决方案。

    May, 2024

  • 从口述验尸报告中提高死因分类的准确性

    该研究针对医疗领域中的自然语言处理技术应用挑战，提出了一种通过转移学习来改进死因分类任务的方法，实验结果表明，将病程记录的文本信息作为特征来结合分类任务，可以有效提高死因诊断准确性。

    Oct, 2022

  • Causal BERT: 文本中事件因果检测的语言模型

    本篇论文探讨了使用句子语境与事件信息以及利用掩码事件语境和领域内外数据分布来识别自然语言文本中事件之间的因果关系，并证明该方法在三个不同的数据集上均取得了最新技术的表现，可用于从非结构化文本中提取因果关系图或建立事件链。

    Dec, 2020

  • BERT 与传统机器学习文本分类的比较

    本文通过实验测试，比较机器学习中经典的 TF-IDF 法与 BERT 模型在 NLP 任务中的表现，并为使用 BERT 模型提供了实证支持，结果表明 BERT 模型在 NLP 问题中表现更优秀、更独立。

    May, 2020

  • CrisisBERT：用于危机分类和语境嵌入的强大 Transformer

    本文提出了基于 Transformer 的 CrisisBERT 模型和基于 Attention 的 Crisis2Vec 架构，分别用于危机检测、危机识别和危机嵌入，相较于传统方法，该架构表现出更好的性能和稳健性，在危机事件领域中，具有更好的应用前景。

    May, 2020

  • Text2Gender: 分析博客作者年龄和性别的深度学习架构

    本文通过深度学习技术在 NLP 领域中实现对个体写作文本进行性别和年龄预测，主要采用了基于 BERT 的监督分类方法，并基于一个包含 681284 行数据的数据集进行研究和比较，结果表明，该方法能够更有效、精确地对文本数据进行分类，达到了 84.2% 的年龄组预测的拟合精度和 86.32% 的性别预测拟合精度，是一项具有广泛适用性的研究。

    May, 2023

  • 使用远程监督的实体 - 事件抽取技术识别警察杀害的平民

    通过一个新的自然语言处理任务，从新闻语料库中提取被警察杀害的人员的名字。我们提供了一个新收集的警察致死语料库，并提出一个使用基于 EM 的远程监督与逻辑回归和卷积神经网络分类器解决这个问题的模型。我们的模型性能优于两个现成的事件提取系统，有些情况下能够比一个主要手动收集的警察致死数据库更快地建议候选受害者姓名。

    Jul, 2017

  • 使用语言处理技术增强普什图语文本分类的单标签和多标签分析

    本研究的目标是建立碧斯图文自动分类系统，研究者通过使用 DistilBERT、MLP、SVM、KNN、随机森林等各种机器学习模型和文本特征提取方法对 Pashto 文本进行分类，研究表明在单标签多分类中，使用 MLP 和 TFIDF 特征提取方法可以获得 94% 的平均测试准确率，而使用预训练的语言表示模型，如 DistilBERT，可以很好地处理 Pashto 文本，但是为了得到合理的结果，还需要为特定的语言开发特定的 Tokenizer。

    May, 2023

  • 基于自然语言处理和机器学习方法的检测人工智能生成的文本

    自然语言处理、人工智能、AI 检测模型、BERT 架构和 AI 生成文本识别是该研究的五个关键词。

    Apr, 2024

  • 从文本中提取受害者人数

    人道主义领域的决策者需要实时和准确的信息，在危机事件中了解受伤的平民数量对于适当分配援助至关重要。将受害者计数提取作为回答问题（QA）任务，并探讨提取可靠性和鲁棒性，我们比较正则表达式、依赖解析、基于语义角色标注的方法和先进的文本到文本模型。除了模型准确性外，我们还分析了提取可靠性和鲁棒性在这种敏感任务中的重要性。我们的研究是将数值计算为重点的大型语言模型在有积极影响的实际用例中的首次应用之一。

    Feb, 2023