English(EN) HUMAID-NER: A Disaster Tweet Dataset for Joint Named Entity Recognition and Event Classification via Uncertainty-Weighted Multitask Learning

新HUMAID-NER数据集助力灾难推文分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

研究人员推出了HUMAID-NER，这是一个旨在从灾难相关推文中提取结构化信息的新数据集。该数据集包含60,000条英文推文，标注了十种操作实体类型和约175,000个实体跨度。为了处理这项任务，使用了结合spaCy transformer模型、领域特定模式和正则表达式的混合管道进行标注。此外，还开发了一个带有RoBERTa-large编码器的联合多任务学习框架，用于执行命名实体识别和事件分类，并在验证集上取得了出色的性能。 AI

影响该数据集和框架可以提高人道主义危机期间信息提取的速度和准确性。

排序理由该条目描述了一个新的数据集和一个提议的多任务学习框架，用于命名实体识别和事件分类，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一个新的数据集和一个提议的多任务学习框架，用于命名实体识别和事件分类，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Aijaz Ali, Nazish Basir, Sarfaraz Nawaz, Danish Nazir Arain, Haris Ali · 2026-09-16 04:00

HUMAID-NER：一种通过不确定性加权多任务学习实现的联合命名实体识别和事件分类的灾难推文数据集

arXiv:2609.16964v1 Announce Type: new Abstract: Rapid extraction of structured information from social media is important for humanitarian response, yet existing disaster tweet resources mainly provide document-level category labels without span-level entity annotations. We intro…

本文如何被排名

报道来源 [1]

HUMAID-NER：一种通过不确定性加权多任务学习实现的联合命名实体识别和事件分类的灾难推文数据集

相关实体

相关话题