Jun, 2023

利用自然语言处理在 YouTube 上进行公共卫生筛查：COVID-19 案例研究

PDF
TL;DR本研究旨在探讨使用 NLP 技术，对 YouTube vlogs 中关于 COVID-19 诊断的内容进行识别和分析。结果显示，在 96.46％的视频中，患者讨论了一般术语，而在 95.45％的视频中，人们谈到了 COVID-19 的症状。LDA 主题建模的结果也产生了成功捕获关键主题以及内容的话题，有助于公共卫生从业员提高应对流行病以及有效应对公共卫生风险的能力。
natural language processingcovid-19youtube vlogslexicon analysistopic modeling
发现论文，激发创造
  • 使用 LSTM 递归神经网络方法进行新冠病毒或 COVID-19 在线讨论的深度情绪分类和主题发现：自然语言处理

    本文采用自然语言处理技术，从社交媒体中提取 COVID-19 相关的讨论，并使用主题建模和 LSTM 循环神经网络方法进行情感分类，以深入了解公众意见，指导相关决策。

    Apr, 2020

  • 使用医学自然语言处理理解 COVID-19 新闻报道

    本研究使用 Spark NLP for Healthcare 库中的临床和生物医学自然语言处理模型对 CNN 和 The Guardian 的新闻出版物进行分析，以探究 COVID-19 在这些媒体组织中的报道偏见，以及如何通过具体的医学概念与多种人口统计学数据的相关性把握这些报道的变化、患者所感受到的药品和疫苗的不良事件的情况，并进一步研究药品和疫苗制造商受到媒体报道的影响，得到疫苗犹豫等问题的关注度。

    Mar, 2022

  • 运用深度学习简化社交媒体信息检索，为公共卫生研究提供服务

    本研究介绍了一种基于 BERT 的命名实体识别（NER）模型，一个深度学习规范化模块以及一个半监督聚类模块构建的框架，用于从社交媒体中提取与 COVID-19 相关的症状词典，并对其进行标准化，以减少在基于社交媒体的公共卫生研究中的关键词匹配信息检索约束。

    Jun, 2023

  • 利用机器学习和自然语言处理方法来研究 COVID-19 研究的时间演变

    本研究通过多种数据源建立了多个机器学习模型对当前 COVID-19 研究场景进行了表征，包括识别潜在主题、分析出版物相似性和情感。结果表明 PubMed 和 ArXiv 中的研究类型存在显著区别，前者在 COVID-19 相关问题的多样性方面具有更大的多样性，后者则更关注预测 / 诊断 COVID-19 的智能系统 / 工具。研究团队对高危人群和并发症患者的特别关注也得到了证实。

    Jul, 2020

  • 与 SARS-CoV-2 和 COVID-19 相关的生物医学自然语言处理的英语词典、金标准语料库和银标准语料库

    本文介绍了一种自然语言处理工具包，其包括疾病、病毒、症状、蛋白质 / 基因、细胞类型、化学和物种等字典，以及使用这些字典生成的标准语料库，可用于训练和评价 COVID-19 相关的 NLP 工具和文本挖掘。该工具包可以用于疫情相关的各种文本分析任务，并且已经被用于创建 COVID-19 知识图谱，研究 COVID-19 相关术语的可变性与演化以及开发和基准测试文本挖掘工具。

    Mar, 2020

  • 使用 Spark NLP 优化 COVID-19 研究的临床文档理解

    该研究构建了一个临床文本挖掘系统，利用命名实体识别和深度学习模型优化了现有技术，能够从 COVID-19 研究数据集中提取潜在趋势和洞见，支持分布式集群计算以及新增实体类型或人类语言训练模型无需编程。

    Dec, 2020

  • COVIDHealth: 一个基于 Twitter 的数据集和基于机器学习的网络应用程序，用于分类 COVID-19 讨论

    开发了基于机器学习的网络应用程序，用于自动分类社交媒体上的 COVID-19 相关讨论，并提供了用于分类的基准结果。

    Feb, 2024

  • 利用大型语言模型推进实时流行病预测：COVID-19 案例研究

    我们提出了 PandemicLLM，这是一个新颖的框架，利用多模态大型语言模型将疾病传播的实时预测转化为文本推理问题，能够整合实时、复杂、非数值型信息，并在 COVID-19 大流行中得到应用。该研究揭示了适用大型语言模型和表征学习提升疫情预测的潜力，展示了人工智能创新如何加强未来的疫情应对和危机管理。

    Apr, 2024

  • 应用主题模型探究 COVID-19 相关的压力源

    该研究应用自然语言处理技术对社交媒体数据进行分析，以确定 COVID-19 大流行期间的心理社会压力源，并分析各阶段压力源的流行趋势。结果可用于提供洞察力，以便为个人提供高质量的心理健康支持。

    Jan, 2022

  • COVID-19 自动问答任务的语言模型质量评估

    本文利用 GPT-2 语言模型，结合 tf-idf、BERT、BioBERT、USE 四种过滤方法，开发了一款自动回答有关 COVID-19 的聊天机器人，并通过医学专家评估，发现 BERT 和 BioBERT 优于 tf-idf 和 USE，以提供正确、即时、有用的健康数据。同时，还创建了一款用户友好型的互动网络应用程序。

    Jun, 2020