Fugu-MT 論文翻訳(概要): Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings

論文の概要: Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings

arxiv url: http://arxiv.org/abs/2104.01131v1
Date: Fri, 2 Apr 2021 16:13:16 GMT
ステータス: 処理完了
システム内更新日: 2021-04-05 14:36:00.664754
Title: Mining Trends of COVID-19 Vaccine Beliefs on Twitter with Lexical Embeddings
Title（参考訳）: 語彙埋め込みによるtwitter上でのcovid-19ワクチン信仰のマイニング動向
Authors: Harshita Chopra, Aniket Vashishtha, Ridam Pal, Ashima, Ananya Tyagi and Tavpritesh Sethi
Abstract要約: 新型コロナウイルスワクチン接種に関するTwitter投稿のコーパスを抽出しました。語彙カテゴリーの2つのクラス — 感情と影響要因 — を作成しました。ワクチンに対するためらいのようなネガティブな感情は、健康関連の効果や誤った情報と高い相関がある。
参考スコア（独自算出の注目度）: 0.8808021343665321
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Social media plays a pivotal role in disseminating news across the globe and acts as a platform for people to express their opinions on a variety of topics. COVID-19 vaccination drives across the globe are accompanied by a wide variety of expressed opinions, often colored by emotions. We extracted a corpus of Twitter posts related to COVID-19 vaccination and created two classes of lexical categories - Emotions and Influencing factors. Using unsupervised word embeddings, we tracked the longitudinal change in the latent space of the lexical categories in five countries with strong vaccine roll-out programs, i.e. India, USA, Brazil, UK, and Australia. Nearly 600 thousand vaccine-related tweets from the United States and India were analyzed for an overall understanding of the situation around the world for the time period of 8 months from June 2020 to January 2021. Cosine distance between lexical categories was used to create similarity networks and modules using community detection algorithms. We demonstrate that negative emotions like hesitancy towards vaccines have a high correlation with health-related effects and misinformation. These associations formed a major module with the highest importance in the network formed for January 2021, when millions of vaccines were administered. The relationship between emotions and influencing factors were found to be variable across the countries. By extracting and visualizing these, we propose that such a framework may be helpful in guiding the design of effective vaccine campaigns and can be used by policymakers for modeling vaccine uptake.
Abstract（参考訳）: ソーシャルメディアは、世界中のニュースを広める上で重要な役割を担い、人々がさまざまな話題について意見を述べるためのプラットフォームとして機能する。新型コロナウイルス(covid-19)の予防接種にはさまざまな意見があり、しばしば感情によって色付けされる。われわれは、COVID-19ワクチン接種に関連するTwitter投稿のコーパスを抽出し、感情と影響要因という2つの語彙カテゴリーを作成した。予防接種プログラムを施行した5カ国の語彙カテゴリーの潜伏空間の経時的変化を,教師なしの単語埋め込みを用いて追跡した。インド、アメリカ、ブラジル、イギリス、オーストラリア。 2020年6月から2021年1月までの8ヶ月間に全世界の状況を総合的に理解するために、米国とインドから6万近いワクチン関連ツイートが分析された。語彙カテゴリ間のコサイン距離は、コミュニティ検出アルゴリズムを用いて類似性ネットワークとモジュールを作成するために用いられた。ワクチンに対するためらうような否定的な感情は、健康関連の効果や誤報と高い相関関係があることを実証する。これらの協会は、何百万ものワクチンが投与された2021年1月に、ネットワークで最も重要な主要なモジュールを形成した。感情と影響要因の関係は国によって異なることが判明した。これらを抽出し視覚化することにより、有効なワクチンキャンペーンの設計を導くのに有効であり、ワクチンの取り込みをモデル化するために政策立案者によって利用することができると提案する。

関連論文リスト

An analysis of vaccine-related sentiments from development to deployment of COVID-19 vaccines [0.31317409221921144]
私たちは、ディープラーニングモデルによる感情分析フレームワークを使用して、COVID-19パンデミックの始まりからTwitterの感情を分析します。以上の結果から, ツイート数, ケース数, 感情極性スコアの変化の関連性を示した。
論文参考訳（メタデータ） (2023-06-23T22:10:05Z)
A Large-Scale Analysis of Persian Tweets Regarding Covid-19 Vaccination [1.2499537119440245]
新型コロナウイルスのパンデミックは私たちの生活、特に人々の交流に大きな影響を与えました。 Covid-19ワクチンの導入により、ワクチンの接種の有無に関して、肯定的、否定的な意見の両方が持ち上がった。われわれは、Twitterから集めたデータを用いて、イランのコロナウイルスワクチンに関する世論を包括的に分析する。
論文参考訳（メタデータ） (2023-02-09T09:08:19Z)
Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-12-16T13:57:41Z)
Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy among Healthcare Workers [64.1526243118151]
医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。医師は新型ワクチンよりもワクチンの有効性を懸念している。看護婦は子供に対する潜在的な副作用にもっと注意を払う。
論文参考訳（メタデータ） (2022-09-11T14:22:16Z)
Deep Learning Reveals Patterns of Diverse and Changing Sentiments Towards COVID-19 Vaccines Based on 11 Million Tweets [3.319350419970857]
11,211,672人の新型コロナウイルス関連ツイートを2年間で2,203,681人を対象に分析した。我々は、各ツイートの感情を自動的に検出するために、最先端モデルであるXLNetを用いてディープラーニング分類器を微調整した。さまざまな人口集団のユーザーは、新型コロナウイルスワクチンに対する感情の異なるパターンを示した。
論文参考訳（メタデータ） (2022-07-05T13:53:16Z)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
論文参考訳（メタデータ） (2021-10-08T23:30:17Z)
Insight from NLP Analysis: COVID-19 Vaccines Sentiments on Social Media [6.965634726663563]
パンデミックの最中、英国と米国住民のツイートをTwitter APIから収集しました。 VADERによる感情分析を行い、個人の影響をカウントできる新しい方法を提案した。その結果、予防接種が進むにつれて、有名人がソーシャルメディアに意見転換を導く可能性が示唆された。
論文参考訳（メタデータ） (2021-06-08T03:37:22Z)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文参考訳（メタデータ） (2020-06-05T02:04:25Z)
Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文参考訳（メタデータ） (2020-03-26T13:55:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。