{"id":34267,"date":"2024-07-31T14:40:08","date_gmt":"2024-07-31T12:40:08","guid":{"rendered":"https:\/\/www.l3s.de\/?p=34267"},"modified":"2024-08-06T15:50:42","modified_gmt":"2024-08-06T13:50:42","slug":"trustworthy-approach-classify-and-analyze-epidemic-related-information","status":"publish","type":"post","link":"https:\/\/www.l3s.de\/de\/trustworthy-approach-classify-and-analyze-epidemic-related-information\/","title":{"rendered":"Mit vertrauensw\u00fcrdigen Mitteln: Analysieren und Klassifizieren pandemiebezogener Daten"},"content":{"rendered":"<div class=\"wp-block-group is-vertical is-layout-flex wp-container-core-group-is-layout-8cf370e7 wp-block-group-is-layout-flex\">\n<p><strong>L3S Bestes Papier des Quartals (Q2\/2024)<br>Kategorie: NLP<\/strong><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p style=\"font-size:23px\"><strong>Ein vertrauensw\u00fcrdiger Ansatz zur Klassifizierung und Analyse von epidemiebezogenen Informationen aus Microblogs<\/strong><\/p>\n\n\n\n<p>Autoren: Thi Huyen Nguyen, Marco Fisichella, Koustav Rudra<\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><em>Ver\u00f6ffentlicht in IEEE Transactions on Computational Social Systems<br><\/em><a href=\"https:\/\/ieeexplore.ieee.org\/abstract\/document\/10530086\" title=\"\">https:\/\/ieeexplore.ieee.org\/abstract\/document\/10530086<\/a><\/p>\n<\/div>\n\n\n\n<div style=\"height:28px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<p><strong>Die Ver\u00f6ffentlichung in K\u00fcrze:<\/strong><\/p>\n\n\n\n<p>Wir stellen einen vertrauensw\u00fcrdigen Ansatz f\u00fcr die Klassifizierung von Tweets w\u00e4hrend eines Krankheitsausbruchs. Unsere Methode kann Tweets aus verschiedenen entscheidenden Klassen wie Anzeichen und Symptome, \u00dcbertragung, Pr\u00e4ventionsma\u00dfnahmen usw. effizient identifizieren und gleichzeitig Erkl\u00e4rungen f\u00fcr die Ausgabeentscheidungen extrahieren. Au\u00dferdem schlagen wir ein einfaches graphbasiertes Rankingverfahren vor, um kurze Zusammenfassungen von Tweets zu erstellen.<\/p>\n\n\n\n<p><strong>Welche potenziellen Auswirkungen haben Ihre Ergebnisse?<\/strong><\/p>\n\n\n\n<p>Die zeitkritische Analyse krisenbezogener Informationen hilft humanit\u00e4ren Organisationen und Regierungsstellen dabei, verwertbare Informationen zu erhalten und eine situationsgerechte Reaktion zu planen. Unsere Arbeit zielt darauf ab, betroffene Gemeinschaften und Interessengruppen dabei zu unterst\u00fctzen, schnelle und wichtige Updates zu erhalten, ohne von der Masse an Inhalten, die w\u00e4hrend Epidemien in sozialen Medien gepostet werden, \u00fcberw\u00e4ltigt zu werden. Durch die Integration der Interpretierbarkeit kann unsere Studie den Endnutzern helfen, die Entscheidungen von ML-Modellen f\u00fcr reale Anwendungen zu verstehen und ihr Vertrauen in diese zu st\u00e4rken.<\/p>\n\n\n\n<p><strong>Was ist neu an Ihrer Forschung?<\/strong><\/p>\n\n\n\n<p>Im Gegensatz zu den meisten fr\u00fcheren Arbeiten zur Klassifizierung von Tweets im Zusammenhang mit Epidemien, die sich lediglich auf die Modellleistung, nicht aber auf die Transparenz des Modells konzentrieren, ist unser Modell von vornherein interpretierbar. Der vorgeschlagene Klassifikator verbessert sowohl die Genauigkeit als auch die Erkl\u00e4rbarkeit der Klassifizierung.  Au\u00dferdem ist unser graphenbasiertes Modell einfach, aber effizient, um pr\u00e4gnante Situations-Updates von Tweets aus verschiedenen Klassen w\u00e4hrend einer Epidemie zu generieren.<\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>","protected":false},"excerpt":{"rendered":"<p>The paper &#8220;A Trustworthy Approach to Classify and Analyze Epidemic-Related Information From Microblogs&#8221; is the best L3S publication of the quarter in the category &#8220;NLP&#8221;.<\/p>","protected":false},"author":4,"featured_media":34273,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[161],"tags":[149,169,170],"class_list":["post-34267","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-best-publications","tag-ai","tag-best-paper-of-the-quarter","tag-research"],"acf":[],"aioseo_notices":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/34267","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/comments?post=34267"}],"version-history":[{"count":8,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/34267\/revisions"}],"predecessor-version":[{"id":34299,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/34267\/revisions\/34299"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media\/34273"}],"wp:attachment":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media?parent=34267"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/categories?post=34267"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/tags?post=34267"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}