利用深度学习探索推特上男女群体对 HPV 疫苗的公众认知差异

KDDJul, 2019

利用深度学习探索推特上男女群体对 HPV 疫苗的公众认知差异

Exploring difference in public perceptions on HPV vaccine between gender groups from Twitter using deep learning

Jingcheng Du, Chongliang Luo, Qiang Wei, Yong Chen, Cui Tao

TL;DR本研究提出了一种基于卷积神经网络模型的英文 Twitter 文本的性别预测方法，该模型的整合在性别预测方面取得了 0.8237 的准确率，在最近的作者画像任务中表现优异。我们进一步利用训练好的模型对 HPV 疫苗相关语料库进行性别标签预测，并发现公众对 HPV 疫苗的看法存在性别差异，这一发现与先前的调查研究结果基本一致。

Abstract

In this study, we proposed a convolutional neural network model for gender prediction using English twitter text as input. Ensemble of proposed model achieved an accuracy at 0.8237 on →

convolutional neural network gender prediction twitter text author profiling hpv vaccine

发现论文，激发创造

大型语言模型在社交媒体上区分反疫苗和亲疫苗信息的准确性：以人类乳头瘤病毒疫苗为例

疫苗接种在社交媒体上引发了多种不同的公众意见，本研究评估了基于大型语言模型的 ChatGPT 用于情感分析，以识别人乳头瘤病毒（HPV）疫苗接种的不同立场，结果表明 ChatGPT 在分析社交媒体上的公众意见方面具有潜力，但需要在特定公共卫生背景下了解语言模型的特点和限制。

Apr, 2024

基于 1100 万条推文的深度学习揭示了 COVID-19 疫苗多样化和变化情感模式

通过分析社交媒体上用户对 COVID-19 疫苗的感受和情绪波动，研究者们发现了不同人群对疫苗的态度差异。疫苗接种率的提高与用户情绪向积极的变化密切相关，视角细分的情感分析能够为疫苗推广策略提供实质性的桥梁作用。

Jul, 2022

基于深度学习的 Twitter 数据 COVID-19 疫苗响应情绪分析

本研究通过 Deep Learning 技术和 Valent Aware Dictionary for sEntiment Reasoner 工具，对来自全球不同地区的推文进行情感分析，统计了关于 COVID-19 疫苗的社交媒体上的积极、消极和中立评论的比例，并通过 LSTM 和 Bi-LSTM 等深度学习算法验证了预测模型，为大众提供理解公众对 COVID-19 疫苗的看法的帮助。

Aug, 2022

利用大型语言模型进行 COVID-Tweets 的多标签分类

构建一个有效的多标签分类器，根据社交媒体帖子（尤其是推文）作者表达的特定疫苗相关担忧，对其进行标签化，比较三种不同的模型，其中 Supervised BERT-large-uncased 模型效果最佳。

Dec, 2023

基于网格搜索方法的混合深度学习模型的 COVID-19 Twitter 情绪分类

通过使用嵌入、深度学习模型和网格搜索算法对 Twitter COVID-19 数据集进行情感分类，本研究提出了八种不同的混合深度学习模型，旨在提高模型的整体准确性，研究表明，COVID-19 疫苗接种的公众情绪随时间逐渐改善，所提出的模型在广泛的评估中报告了 98.86% 的增加准确性，超过其他模型。

Jun, 2024

解码问题：社交媒体中疫苗情感的多标签分类

应对疫苗相关的多样化担忧，本文通过多种先进的自然语言处理技术和机器学习算法，包括 BERT、GPT 3.5、分类器链和传统方法如 SVM、随机森林、朴素贝叶斯，开发了一种强大的多标签分类器，能够根据与疫苗相关的担忧指定特定的关注标签。研究发现，尖端的大型语言模型在这个领域的表现超越其他方法。

Dec, 2023

分析尼日利亚网络空间中的 COVID-19 疫苗情感：基于手动标注的 Twitter 数据集的洞察

使用 Transformer-based 语言模型研究尼日利亚人对疫苗的接受程度，数据分析及可视化表明，大多数推文对 COVID-19 疫苗持中立态度，个别人表示积极看法，对特定疫苗类型没有强烈偏好，尽管 Moderna 疫苗获得了稍微更多的积极情绪。同时发现，通过对适当数据集进行微调，即使预训练的 LLM 没有在特定语言上进行过预训练，也可以获得有竞争力的结果。

Jan, 2024

使用 Transformer 进行基于 Twitter 的性别识别

本文提出基于 transformers 的模型，从社交媒体用户的图像和推文中预测其性别，从而解决性别信息不公开的问题，同时，图像分类和文本分类模型能够相互支持，提高整体分类准确率。

Apr, 2022

推特这个话题是否应该发？基于生成模型的预测公共卫生信息在推特上的接受度

本文介绍了使用生成模型（GPT-2）探索公众对 COVID-19 和疫苗相关公共卫生信息潜在接受度的预测方法，并引入了一种新颖的评估方案。

Apr, 2022

利用多模深度学习检测社交媒体上的医疗虚假信息

本研究旨在发展一种深度学习网络，利用视觉和文本信息以检测社交媒体中具有反疫苗信息的帖子，通过新的语义和任务层注意机制和三个分支的模型，本研究在 Instagram 实时社交媒体数据集上的实验表明，模型可以实现 97% 以上的测试准确性。

Dec, 2020