Aug, 2022

揭秘推特上的 COVID-19 疫苗话语

PDF
TL;DR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。
covid-19 vaccinationsocial mediastance detection algorithmtopic modellingdual-stance users
发现论文，激发创造
  • COVID-19 大流行期间 Twitter 上的疫苗话题

    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

  • 变局中的风向：COVID-19 对推特用户疫苗相关观点的影响

    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

  • 社交媒体中的 COVID-19 疫苗犹豫：构建反疫苗内容、疫苗错误信息和阴谋论的公共 Twitter 数据集

    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

  • COVID-19 疫苗开发至投放期间相关情绪分析

    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

  • COVID-19 对反疫苗话语的影响：一项跨越 COVID 前后的大规模 Twitter 研究

    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

  • VaxxHesitancy: 用于研究 Twitter 上对 COVID-19 疫苗犹豫不决态度的数据集

    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

  • 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

  • Vax-Culture：Twitter 疫苗话语研究数据集

    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

  • 一份涵盖多语言的 Twitter COVID-19 疫苗态度数据集

    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

  • 新冠疫苗的 Twitter 情绪分析

    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