Apr, 2023

Vax-Culture：Twitter 疫苗话语研究数据集

PDF
TL;DR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
发现论文，激发创造
  • 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

  • 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

  • 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

  • 揭秘推特上的 COVID-19 疫苗话语

    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

  • 分析尼日利亚网络空间中的 COVID-19 疫苗情感：基于手动标注的 Twitter 数据集的洞察

    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

  • 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

  • CAVES：一个用于促进 COVID 疫苗关注事项可解释分类和总结的数据集

    该论文介绍了一个多标签分类数据集 CAVES，该数据集包含了约 10k 条关于 COVID-19 反疫苗推文，并提供了详细说明。该数据集也是一个提供标签说明的多标签分类数据集，以及提供了类别总结的推文。作者对该数据集进行了初步的实验，发现其对于多标签可解释分类和推文摘要非常具有挑战性。

    Apr, 2022

  • 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

  • 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

  • COVID-19 疫苗虚假信息宣传和社交媒体叙事

    通过研究社交媒体上的不实信息社区和叙事，我们找到了两个嫌疑团体（一个宣传 ' 大重置 ' 阴谋论和另一个宣传生物武器论），这些不实信息通常来自反疫苗和极右派社区，并且偏远的右派社区更受其影响，这也反映了美国左右两派接种疫苗的不平等情况。

    Jun, 2021