Nov, 2023

COVID-19 推文中立场和前提识别的数据和模型：来自社交媒体健康挖掘 (SMM4H) 2022 共享任务的洞见

PDF
TL;DR通过收集推特上有关疫苗接种的数据，以不同的主题评估模型的性能，本研究旨在支持未来在健康领域的论证挖掘研究，采用各种策略来聚合带有主张的推文文本，包括从 SMM4H 2022 排名榜中的具有特征级（早期）融合和双视图架构的模型。
发现论文，激发创造
  • COVMis-Stance 数据集：针对 COVID-19 误信息的 Twitter 立场检测

    本文为了解 Twitter 用户对 COVID-19 错误信息的立场，构建了一个新的 2631 个推文注释数据集，使用 MNLI 数据集和已有的 RumourEval 和 COVIDLies 数据集进行微调，评估了模型性能。结果表明，将 MNLI 和 RumourEval 以及 COVIDLies 数据集组合进行序列微调效果最佳。

    Apr, 2022

  • 基于 Transformer 的新冠病毒相关推文前提分类

    本文提出了基于 Transformer 架构的预测模型，用于在 Twitter 文本中分类前提的存在，具有与其他 Transformer 模型相比更好的性能，并在 Twitter 数据集上取得了有竞争力的表现。

    Sep, 2022

  • 2023 年 #SMM4H 会议上比较文本预处理技术用于检测自报 COVID-19 诊断的推文

    使用基于 Transformer 的多个模型对推文进行预处理，实现自动识别 COVID-19 诊断的推文，并获得高于平均值 4.1% 的 84.5% 的 F1 分数。

    Nov, 2023

  • SMM4H 2023 中的探索者：通过知识和模型融合增强 BERT 在健康应用中的能力

    本研究探讨了利用社交媒体中个人状态和意见来研究人类健康的方法，包括数据预处理、持续预训练和优化策略，特别是对于命名实体识别任务，我们使用了名为 W2NER 的模型架构以提高模型的泛化能力。我们的方法在任务 3 中获得第一名。

    Dec, 2023

  • 深入对话线程，改进社交媒体平台上的目标特定立场检测

    本文提出一种新的目标特定立场检测任务 —— 会话立场检测，旨在推断给定数据实例及其相应的会话主题的立场。为此，通过六个主要的香港社交媒体平台，使用注释技术构建基准会话立场检测（CSD）数据集，提出一种模型 Branch-BERT，将上下文信息融入到会话线程中以预测要检测的立场，实验证明该模型相较于其他基线模型能够取得更好的结果表现。

    Nov, 2022

  • Constraint 2021: COVID-19 虚假新闻检测机器学习模型共享任务

    本研究为 Constraint 2021 年 COVID-19 虚假新闻检测共享任务做出了贡献，提出了将经典机器学习算法与语言学特征相结合的方法，在数据预处理方面进行了多种尝试并得到了不错的结果。通过使用线性支持向量机算法，在测试数据上获得了 95.19% 的加权平均 F1 得分，名列排行榜第 80 位。

    Jan, 2021

  • 基于大型语言模型的在线健康话语中新兴观点挖掘范围

    我们开发了一个基于 LLM 的框架，用于在线健康社区中新兴意见挖掘的策划和评估，以匹配 Reddit 中源自帖子标题和评论的（标题，评论）对之间的态度检测问题。我们还释放了一个新的测试数据集，名为 LC-Stance，用于评估在线健康社区中的声明识别和态度检测任务。我们的评估表明，GPT-4 在零 - shot 态度检测方面明显优于之前的工作，我们还通过 LLM 模型诊断发现声明类型和评论长度是模型错误的原因。

    Mar, 2024

  • 基于混合深度学习框架自动发现 COVID-19 推特中的话题和情感

    提取了 COVID-19 推文的关键主题和情感，使用深度学习模型实现了更好的主题标签提取和情感分析，以及最高的准确率。

    Dec, 2023

  • 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

  • 网络和社交媒体中的立场检测：一项比较研究

    本文探讨了在社交媒体平台上进行自动立场检测的多种方法，包括神经模型和经典的分类器模型，并对它们的可复现性和比较性能进行了详细的研究和实验。

    Jul, 2020