新冠疫情表明了解和缓解反疫苗情绪的重要性，本研究通过对推特上反疫苗帖子的大规模研究，尝试回答疫情对反疫苗言论产生的影响，以及是否由于疫情变化导致对非新冠疫苗（如流感、麻疹、脊髓灰质炎、人乳头瘤病毒疫苗）的反对观点也发生了变化。研究发现，疫情使得反疫苗言论比之前复杂得多，并增加了言论的多样性。令人担忧的是，人们现在将对 COVID 疫苗的担忧投射到了非新冠疫苗上，从而导致更多人在疫情后期对接种疫苗持怀疑态度。

Apr, 2024

该研究分析了推特上与 COVID-19 疫苗相关的负面言论，使用机器学习技术和自然语言处理技术，提出了 37 种负面话题，并指出 COVID-19 疫苗的消极态度随着疫苗接种的推广而逐渐降低，但需要关注疫苗安全性和政策问题。

Jul, 2022

通过自然语言处理技术训练立场检测算法，通过主题建模技术检查疫苗接种的公共言论，发现双重立场使用者发布的推文占主要地位，正反两面的推文共同讨论了许多不同的问题，以真实问题为主的反疫苗推文与虚假信息相关的含义占大多数，表情和笑话占据了最多的转发信息。

Aug, 2022

该研究使用深度学习模型对 Twitter 情绪进行分析，发现 COVID-19 疫情期间推文数量、病例数量和情绪极性得分变化之间的联系，以及疫苗推广对社交媒体讨论性质的影响

Jun, 2023

本文利用数据挖掘技术和情感分析工具，分析了伊朗社交媒体上关于 COVID-19 疫苗的公众舆情，结果显示该话题广泛关注，从政府问题、安全到犹豫和副作用等各个角度得到了探讨，公共接种和感染率等相关现象深刻地影响了公众情绪和用户互动。

Feb, 2023

使用自然语言处理技术，我们旨在以最高的准确率确定和分类关于 COVID-19 疫苗的观点。

Nov, 2023

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

本文讨论了如何利用在线社交媒体上公开的数据测量全球疫苗接种的时空情绪，从而得出康信号与 CDC 纪录的相关性，以及如何利用网络数据分析发现大多数社群都有正向或负向的情绪倾向，并提出在线社交媒体有望成为评估和促进公共健康行为的廉价和有效的工具之一。

May, 2011

通过对超过 3,101 条推文进行态度分类的注释数据提供者新的分类数据集和开发了一个最佳的预测性能的领域特定语言模型，我们首次将疫苗犹豫作为区别于支持和反对的一种分类模型进行了建模。

Jan, 2023

本文介绍了一个包含推特上强烈反对疫苗的帖子的数据集，该数据集可用于研究社交媒体上反疫苗的误解和更好地了解接种疫苗的犹豫。

May, 2021