本文研究 COVID-19 流行病对生物医学出版物的影响，发现出版量大幅增加、COVID-19 论文的平均录用时间显著缩短，而国际合作减少可能导致非 COVID-19 领域研究的减缓。

Oct, 2020

基于 CORD-19 文本摘要的 CORToViz 可视化工具，利用最新科技，通过聚类文章并提取主题的方法，提供快速可视化主题内容和趋势的交互式仪表盘，适用于任何文本文档语料库的数据准备和结果可视化。

Oct, 2023

本文提供了一种结合大型数据建模、信息制图和趋势分析的新型自动化主题可视化方法，用于快速发现 COVID-19 疫情下的主题和研究资源，结果显示了有关社交隔离、医疗话题、病毒在不同地区的演变轨迹等信息，同时也表明了迫切需要快速自动化地进行大规模数据的搜索和浏览。

May, 2020

利用 NLP 技术（如命名实体识别和聚类算法）对 PubMed 数据库中的 LitCovid 文献进行分析，从中筛选出与 COVID-19 相关的生物实体、症状、并发症等，帮助人们快速了解 COVID-19 相关文献的主题和研究进展。

Aug, 2020

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

本文提出了一种方法，利用社交媒体上的语言行为探索重要事件（如 SARS CoV2 大流行）对社会的影响，特别是对空间和时间方面的重要特征进行分类和定量分析，并通过时间序列分析和聚类来确定空间 - 时间类别。利用定性比较分析，方法已在意大利首次冠状病毒流行中得到了应用，结果印证了心理学观察结果，即从事件物理距离越远，越会关注团结和政策而不是疫情本身。

Jun, 2023

使用 NLP 技术，如词袋、平均词向量、平均 BERT 基础模型和 Tf-Idf 加权词向量模型，结合余弦相似度算法，在 CORD-19 数据集中找出与 COVID-19 主题有关的研究文献。

May, 2022

本文分析了中国、意大利和法国 2020 年 1 月 22 日至 3 月 9 日新冠疫情爆发的时间动态，指出简单的平均场模型可以有效地描述病毒的传播特征以及患者感染人数的峰值及出现时间，尽管感染率和死亡率会有所变化，但康复速率参数似乎表现出匹配性。其中，本文所构建的模型对意大利新冠疫情的流行高峰定于 2020 年 3 月 20 日左右，最高感染人数约为 16,000 人。

Mar, 2020

使用 RoBERTa 语言模型，对涉及 Covid-19 和教育的推文进行情感分析，并结合地理数据库的地理标记，得出高确诊病例国家的总推文、积极推文和消极推文趋势与官方确诊统计数据存在相关性的趋势。

Mar, 2022

研究新冠疫情大流行期间利用社交媒体数据分析出全球不同语言中涉及 “病毒” 一词的时间序列，以及各种数据（包括社交媒体数据）的重要性，为全球疫情的控制提供有用的参考和数据支持。

Mar, 2020