論文の概要: Classifying vaccine sentiment tweets by modelling domain-specific
representation and commonsense knowledge into context-aware attentive GRU
- arxiv url: http://arxiv.org/abs/2106.09589v1
- Date: Thu, 17 Jun 2021 15:16:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-18 20:28:24.133040
- Title: Classifying vaccine sentiment tweets by modelling domain-specific
representation and commonsense knowledge into context-aware attentive GRU
- Title（参考訳）: ドメイン固有表現とコモンセンス知識を文脈認識注意GRUにモデル化したワクチン感情ツイートの分類
- Authors: Usman Naseem, Matloob Khushi, Jinman Kim and Adam G. Dunn
- Abstract要約: ワクチンのヘシタシーと拒絶はワクチン接種率の低いクラスターを生じさせ、ワクチン接種プログラムの有効性を低下させる。
ソーシャルメディアは、地理的な位置を含み、ワクチンに関する懸念を詳述することで、ワクチンの受け入れに対する新たなリスクを見積もる機会を提供する。
ワクチン関連ツイートなどのソーシャルメディア投稿を分類する手法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。
本稿では、ワクチン関連ツイートで訓練されたドメイン固有LMを用いて相互接続されたコンポーネントで構成された新しいエンドツーエンドフレームワークについて、コンテキスト対応の双方向ゲート再帰ネットワーク(CK-BiGRU)にコモンセンス知識をモデル化する。
- 参考スコア（独自算出の注目度）: 9.8215089151757
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vaccines are an important public health measure, but vaccine hesitancy and
refusal can create clusters of low vaccine coverage and reduce the
effectiveness of vaccination programs. Social media provides an opportunity to
estimate emerging risks to vaccine acceptance by including geographical
location and detailing vaccine-related concerns. Methods for classifying social
media posts, such as vaccine-related tweets, use language models (LMs) trained
on general domain text. However, challenges to measuring vaccine sentiment at
scale arise from the absence of tonal stress and gestural cues and may not
always have additional information about the user, e.g., past tweets or social
connections. Another challenge in LMs is the lack of commonsense knowledge that
are apparent in users metadata, i.e., emoticons, positive and negative words
etc. In this study, to classify vaccine sentiment tweets with limited
information, we present a novel end-to-end framework consisting of
interconnected components that use domain-specific LM trained on
vaccine-related tweets and models commonsense knowledge into a bidirectional
gated recurrent network (CK-BiGRU) with context-aware attention. We further
leverage syntactical, user metadata and sentiment information to capture the
sentiment of a tweet. We experimented using two popular vaccine-related Twitter
datasets and demonstrate that our proposed approach outperforms
state-of-the-art models in identifying pro-vaccine, anti-vaccine and neutral
tweets.
- Abstract（参考訳）: ワクチンは重要な公衆衛生指標であるが、ワクチンのヘシタシーや拒絶はワクチンのカバレッジが低く、予防接種プログラムの有効性を低下させる可能性がある。
ソーシャルメディアは、地理的な場所やワクチン関連の懸念を詳述することで、ワクチンの受容に対する新たなリスクを推定する機会を提供する。
ワクチン関連ツイートなどのソーシャルメディア投稿の分類方法では、一般的なドメインテキストで訓練された言語モデル(LM)を使用する。
しかし、ワクチンの感情を大規模に測定する課題は、緊張感やジェスチャーがないことから生じ、過去のつぶやきやソーシャルなつながりなど、ユーザーに関する追加情報を持っているとは限らない。
LMのもう1つの課題は、ユーザメタデータ、すなわちエモティコン、肯定的、否定的な単語で明らかなコモンセンス知識の欠如である。
本研究では,ワクチン関連ツイートで訓練されたドメイン特化lmを用いて,文脈に配慮した双方向ゲート型リカレントネットワーク(ck-bigru)に共通知識をモデル化する,相互接続されたコンポーネントからなる新しいエンドツーエンドフレームワークを提案する。
さらに、構文、ユーザーメタデータ、感情情報を利用してツイートの感情を捉えます。
私たちは2つの人気のあるワクチン関連Twitterデータセットを用いて実験を行い、提案手法が予防接種、抗ワクチン、中立的なツイートを識別する最先端のモデルより優れていることを実証した。
関連論文リスト
- Vax-Culture: A Dataset for Studying Vaccine Discourse on Twitter [3.768191396638854]
新型コロナウイルス感染症(COVID-19)の感染拡大に伴い、ワクチン中毒は公衆衛生当局にとって大きな課題となっている。
6373のワクチン関連ツイートからなるTwitter COVID-19データセットであるVax-Cultureを紹介します。
このことが、予防接種的信念を持つ個人にリーチするための、効果的で目標とする公衆衛生コミュニケーション戦略につながることを願っている。
論文 参考訳（メタデータ） (2023-04-13T23:04:30Z) - 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) - "Double vaccinated, 5G boosted!": Learning Attitudes towards COVID-19
Vaccination from Social Media [4.178929174617172]
ソーシャルメディア上でのテキスト投稿を利用して、利用者の接種姿勢をほぼリアルタイムで抽出し追跡する。
我々は、ユーザのソーシャルネットワーク隣人の最近の投稿を統合して、ユーザの真の態度を検出する。
Twitterの注釈付きデータセットに基づいて、我々のフレームワークからインスタンス化されたモデルは、姿勢抽出のパフォーマンスを最大23%向上させることができる。
論文 参考訳（メタデータ） (2022-06-27T17:04:56Z) - A Multilingual Dataset of COVID-19 Vaccination Attitudes on Twitter [4.696697601424039]
新型コロナウイルスワクチンに関連するツイートのデータセットの収集と公開について述べる。
このデータセットは、西ヨーロッパから収集された2,198,090のツイートのIDで構成され、そのうち17,934件は原住民の予防接種姿勢に注釈付けされている。
論文 参考訳（メタデータ） (2022-06-27T13:44:48Z) - Disentangled Learning of Stance and Aspect Topics for Vaccine Attitude
Detection in Social Media [40.61499595293957]
VADetと呼ばれるワクチンの姿勢検出のための新しい半教師付きアプローチを提案する。
VADetは、歪んだ姿勢とアスペクトトピックを学習することができ、スタンス検出とツイートクラスタリングの両方で、既存のアスペクトベースの感情分析モデルより優れています。
論文 参考訳（メタデータ） (2022-05-06T15:24:33Z) - Insta-VAX: A Multimodal Benchmark for Anti-Vaccine and Misinformation
Posts Detection on Social Media [32.252687203366605]
ソーシャルメディア上の抗ワクチンポストは、混乱を招き、ワクチンに対する大衆の信頼を低下させることが示されている。
Insta-VAXは、ヒトワクチンに関連する64,957のInstagram投稿のサンプルからなる、新しいマルチモーダルデータセットである。
論文 参考訳（メタデータ） (2021-12-15T20:34:57Z) - A Python Package to Detect Anti-Vaccine Users on Twitter [1.1602089225841632]
反ワクチン主義は、最近オンラインで共有されている反ワクチン主義の物語によって推進されている。
我々は、Twitterのプロフィールを分析できるPythonパッケージを導入し、そのプロファイルがワクチンに対する感情を広める可能性を評価する。
我々はこのようなユーザーのデータを利用して、抗ワクチンスプレッシャーの道徳的特徴と感情的特徴を理解する。
論文 参考訳（メタデータ） (2021-10-21T17:59:25Z) - Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。
プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。
本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文 参考訳（メタデータ） (2020-10-23T17:06:07Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z) - 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。