DeCrisisMB：通过记忆库进行偏倚半监督危机推文分类的学习
原文中文，约400字，阅读约需1分钟。发表于：。危机事件分析中，社交媒体平台、紧急救援组织和半监督模型的偏差处理方法对于危机推文分类具有重要意义。通过研究和比较不同的偏差处理方法，我们提出了一种简单而有效的 DeCrisisMB 方法，并通过广泛实验证明其在分发情况和超发情况下的优越性能。
CrisisMatch是一种半监督少样本学习条件下的细粒度灾害推文分类模型，利用少量标注数据和大量无标注数据有效地将推文分类为感兴趣的细粒度类别。通过集成有效的半监督学习方法和引入TextMixUp，CrisisMatch在两个灾害数据集上平均提升了11.2％的性能。
