本論文は、災害や公共の安全緊急事態において、リアルタイム情報の重要な情報源となったTwitterなどのソーシャルメディアプラットフォームで災害関連のツイートを自動的に分類する研究について説明します。従来のロジスティック回帰、ナイブベイズ、サポートベクトルマシンなどの機械学習モデルは、非形式的、比喩的、または曖昧な言語を使用するときに文脈や深い意味を理解するのが難しくなりますが、トランスベースのモデル（BERT、DistilBERT、RoBERTa、DeBERTa）が優れています。実験は、BERTが91％の精度で従来のモデル（ロジスティック回帰、ナイブベイズ82％）よりもはるかに優れた性能を示し、文脈的埋め込みとアテンションメカニズムによって微妙な言語をよりよく理解することを示しています。したがって、トランスアーキテクチャは公共の安全アプリケーションに適しており、精度の向上、詳細な言語理解、および実際のソーシャルメディアテキストのより一般化を提供することが証明されています。
