EMNLPNov, 2020

利用基于上下文的推特嵌入检测 COVID-19 的新出现症状

PDF
TL;DR本文提出了一种迭代的基于图形的方法，用于检测 COVID-19 的症状，同时研究发现该方法可用于在大型不平衡语料库中查找特定语境的词语和文本，同时还测试了该方法是否适用于检测 ADR。研究发现，该方法应用于 Twitter 数据可以在 CDC 之前大幅度检测到症状的提及。
covid-19graph-based approachsymptom detectionimbalanced corporaadverse drug reaction
发现论文，激发创造
  • 新冠疫情微博数据情感分析

    本论文通过分析推特数据集，使用多种机器学习算法评估情感，并对数据集的情境进行学习，以识别正面、负面和中性情绪，并向公众传达积极意见，提高公众意识和预防新冠病毒。

    Nov, 2021

  • Twitter 对话预测每日 COVID-19 确诊病例

    本研究利用推特对澳大利亚 COVID-19 病例进行情感分析和话题模型分析，探究社交媒体对疫情预测的作用，结果表明加入社交媒体变量可以改进疫情预测模型的准确性，并发布全球的 MegaGeoCOV 数据集，以帮助更好地理解全球疫情的动态。

    Jun, 2022

  • 基于混合深度学习框架自动发现 COVID-19 推特中的话题和情感

    提取了 COVID-19 推文的关键主题和情感，使用深度学习模型实现了更好的主题标签提取和情感分析，以及最高的准确率。

    Dec, 2023

  • TweetsCOV19 -- 基于语义注释的关于 COVID-19 疫情的推文知识库

    描述了 TweetsCOV19 的基本特征和分析，这是一个公开可用的包含超过 800 万推特的知识库，旨在为大量知识发现任务提供前所未有的数据集。

    Jun, 2020

  • BERT-Deep CNN: COVID-19 推文情感分析的最新技术

    本文探讨利用 BERT 和 Deep CNN 模型通过社交媒体研究社会对 COVID-19 大流行的感知，证明了 BERT 模型在情感分析中的卓越性能。

    Nov, 2022

  • 使用语境化单词嵌入分类与 COVID-19 相关的基于文本的阴谋推文

    本研究利用 BERT、ELMO 及其组合进行特征提取，并使用 RandomForest 作为分类器，探讨对 COVID-19 相关阴谋论推文进行分类的挑战，结果显示 ELMO 略优于 BERT，但在特征层面上的组合降低了性能。

    Mar, 2023

  • 半监督协同注意力网络结合内外部信号实现 COVID-19 虚假推特的早期检测

    本篇工作提出一种利用外生和内生信号进行早期 COVID-19 推特假新闻检测的模型 ENDEMIC，该模型利用图嵌入和上下文特征来聚合传播信息，采取半监督学习方式解决有限标注数据的挑战，最终结果更优越。

    Apr, 2021

  • 基于症状的机器学习模型用于 COVID-19 的早期检测：文献综述

    通过病人症状，临床数据和医疗成像的大数据集，机器学习模型能够分析预测 COVID-19，其中症状为基础的模型表现良好，但图像为基础的模型的精确度通常较高。

    Dec, 2023

  • 追踪社交媒体上关于 COVID-19 大流行的话题：公共冠状病毒 Twitter 数据集的建立

    本文描述了自 2020 年 1 月 22 日以来我们不断收集的多语种新冠状病毒 Twitter 数据集，旨在通过研究在线谈话动态以及科学信息和未经验证的谣言的跟踪等方面，了解这一全球性危机的影响。最终，该数据集可能有助于推动针对这一全球危机的知情决策和有针对性的政策干预。

    Mar, 2020

  • 利用 Twitter 和医疗记录进行在线诊断的现场验证

    使用社交媒体数据进行疾病监测，提出了一种基于个人水平而非人口统计学水平的新的疾病监测系统，通过组合文本分析、异常检测和社交网络分析等手段，可以在个人水平诊断感染流感的准确性超过 99%。

    Apr, 2014