損害のツイートの分類：ファインチューニングされたBERTモデルを使用したインフラと人的被害評価

インフラおよび人的被害評価ツイートの特定は、災害時における災害管理組織や被災者にとって有益です。これまでの研究の多くは情報提供型・状況型のツイートの検出やインフラの損害に焦点を当て、人的被害については一つの研究のみでした。本研究は、インフラと人的損害に関与する損害評価ツイートを検出するための新しいアプローチを提案します。Bidirectional Encoder Representations from Transformer (BERT)モデルの可能性を調査し、災害損害評価ツイートの二項分類および多クラス分類に対する効果を示すための普遍的な文脈化された表現を学習させることを目指しました。本研究の目的は、CrisisMMDデータセットに含まれる七つの災害に対して重要なハイパーパラメータをファインチューニングした後、転移学習メカニズムとして事前学習済みのBERTを活用することです。ファインチューニングされたBERTの効果を五つのベンチマークおよび九つの比較可能なモデルと比較し、徹底的な実験を行いました。結果は、ファインチューニングされたBERTがすべてのベンチマークおよび比較可能なモデルを上回り、二項分類および多クラス分類において95.12%のマクロF1スコアおよび88%のマクロF1スコアを達成することによって最先端のパフォーマンスを示しました。特に、人的被害の分類における改善は期待できます。