ArCovidVac: 分析关于 COVID-19 疫苗的阿拉伯语推文
为了更好地了解公众行为、兴趣话题、政府要求、推特来源等等，并防止有关病毒或不良治疗方法的谣言和误报的传播，在研究中，我们提供了一个人工标注的阿拉伯语推特最大数据集，描述了其注释指南、分析了数据集并构建了有效的机器学习和 Transformer 模型以进行分类。
Dec, 2020
本研究介绍了一个阿拉伯语 COVID-19 Twitter 数据集，用于支持虚假信息检测研究，其中包含 138 个已验证的断言和 9.4K 个相关推文。该数据集支持在 Twitter 上进行两个水平的虚假信息检测，并介绍了 Tweet 级验证的基准结果。
Oct, 2020
本文介绍了一份阿拉伯语 COVID-19 Twitter 数据集 ArCOV-19，该数据集可以用于自然语言处理、信息检索和社交计算等多个领域的研究
Apr, 2020
本文介绍了 2020 年 1 月 1 日以来首个收集的新冠肺炎疫情下阿拉伯语推特数据集，该数据集可帮助研究人员和决策者研究与该大流行相关的不同社会问题，包括行为变化、信息共享、流言传播等等。
Apr, 2020
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 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
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
该研究通过社交媒体平台收集了超过 200 万条与 COVID-19 疫苗相关的推文，其中约 1% 的推文被标注了原始作者的疫苗接种立场，研究评估了不同模型在从社交媒体数据中提取公众态度方面的表现，并确定了其在跟踪公众 COVID-19 疫苗接种态度变化方面的潜在用途。
Jun, 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
本文提出了一个新的 Twitter COVID-19 数据集：Vax-Culture，并使用一组最新的基于转换器的模型，对数据集进行了四项分类和一项序列生成任务的基线任务，以识别反对疫苗的立场，查出任何虚假信息，批评和支持的实体以及推文的传达信息，旨在抵制社交媒体上的反疫苗不实信息的负面影响，并为抵达反疫苗信仰的人们制定有效和针对性的公共卫生传播策略
Apr, 2023