COVID-19 大流行期间 Twitter 上的疫苗话题
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
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
本文旨在通过分析 Twitter 语料库，识别出在疫情前后关于疫苗持不同态度的特定用户群体，并研究疫苗相关话题的变化，以了解公众对 COVID-19 疫苗的态度变化和原因。
Nov, 2021
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
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
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
本研究使用 DistilRoBERTa 算法比较分析了两个流行社交媒体平台 Reddit 和 Twitter 对 COVID-19 疫苗的舆情。结果表明，尽管平均情感表达在这些媒体平台间有所变化，但两者在与疫苗相关的重要发展时分享的情感具有相似的行为。因此，这些社交媒体平台继续是公共卫生官员可利用的宝贵数据源，以增强疫苗信心和打击虚假信息。
Oct, 2022