Jun, 2023

意大利新冠疫情第一波中社交媒体公共话语的时空变化探究

PDF
TL;DR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。
linguistic behaviorsocial mediasars cov2 pandemicspatial-temporal categoriestime-series analysis
发现论文，激发创造
  • Twitter 对话预测每日 COVID-19 确诊病例

    本研究利用推特对澳大利亚 COVID-19 病例进行情感分析和话题模型分析，探究社交媒体对疫情预测的作用，结果表明加入社交媒体变量可以改进疫情预测模型的准确性，并发布全球的 MegaGeoCOV 数据集，以帮助更好地理解全球疫情的动态。

    Jun, 2022

  • 意大利在线报纸对新冠疫情的媒体话语：隐喻主题聚类

    本文研究了意大利在线报纸上 COVID-19 危机最初几个月的比喻语言。重点对比了记者在政府应对疫情的第一和第二阶段所使用的主题和比喻语言。使用定量和定性方法进行分析，找到了第一和第二阶段讨论的主题之间的显著变化和主题特定比喻的有趣重叠点。此外，使用定性语料库分析，针对经济和社会主题，给出了更深入的案例研究。

    Apr, 2022

  • 追踪社交媒体上关于 COVID-19 大流行的话题：公共冠状病毒 Twitter 数据集的建立

    本文描述了自 2020 年 1 月 22 日以来我们不断收集的多语种新冠状病毒 Twitter 数据集，旨在通过研究在线谈话动态以及科学信息和未经验证的谣言的跟踪等方面，了解这一全球性危机的影响。最终，该数据集可能有助于推动针对这一全球危机的知情决策和有针对性的政策干预。

    Mar, 2020

  • 全球关注焦点：COVID-19 在 Twitter 上 24 种语言相关词汇的 n-gram 时间序列

    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

  • COVID-19 疫情期间欧洲推特跨语言情感分析

    本论文使用多语言句子嵌入的神经网络对欧洲 COVID-19 疫情爆发期间收集的 Twitter 消息进行情感分析，并将结果按来源国分离，通过与国家事件的相关性进行时间性发展的相关性分析，研究疫情对人们情绪的影响。

    Aug, 2020

  • 地理共同位置是否重要？COVID-19 期间公共卫生对话的案例研究

    在 COVID-19 期间，本研究旨在分析地理共同位置对社交媒体对话的影响。研究结果显示，地理共同位置与更高的参与率相关，尤其是在涉及口罩、封锁和教育等话题以及与学术和医疗专业人员进行的对话中。与情感和个人经历相关的词汇特征在地理上共同存在的背景中更常见。该研究揭示了地理共同位置如何影响社交媒体参与，并可以为改善公共卫生信息传播策略提供参考。

    May, 2024

  • 社交媒体纵向监测中的语义漂移问题：COVID-19 疫情期间心理健康案例研究

    本研究通过一个时时刻刻的案例研究 —— 了解 COVID-19 大流行期间抑郁症状的转变，探讨了在存在语义转换的情况下，仅包含少量语义不稳定特征，可能会促进目标结果的纵向估计产生显著变化的现象。同时，我们证明了一种最近引入的常量转换方法可以被用于预测基于语言的模型的失效点，并提高预测泛化能力。

    Jun, 2022

  • 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

  • 可视化 COVID-19 研究

    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

  • 通过多语言 Twitter 数据集挖掘了解 COVID-19 政策的感知

    本研究利用自然语言处理、文本挖掘和网络分析等方法，对与 COVID-19 大流行有关的推文语料库进行分析，识别不同时期应对疫情的常见方法并揭示其差异，同时揭示了从疫情早期开始通过 Twitter 传播信息和谣言的方式。最后，本研究介绍了一个跨多种语言及来源国家采集的推文数据集，有助于为决策者提供应对未来大流行的参考，并可用于获取有价值的知识以缓解当前 COVID-19 大流行。

    Mar, 2020