論文の概要: Insta-VAX: A Multimodal Benchmark for Anti-Vaccine and Misinformation Posts Detection on Social Media

• arxiv url: http://arxiv.org/abs/2112.08470v1
• Date: Wed, 15 Dec 2021 20:34:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 14:31:41.333447
• Title: Insta-VAX: A Multimodal Benchmark for Anti-Vaccine and Misinformation Posts Detection on Social Media
• Title（参考訳）: Insta-VAX: ソーシャルメディアにおける抗ワクチン・誤情報ポスト検出のためのマルチモーダルベンチマーク
• Authors: Mingyang Zhou, Mahasweta Chakraborti, Sijia Qian, Zhou Yu, Jingwen Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 32.252687203366605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sharing of anti-vaccine posts on social media, including misinformation posts, has been shown to create confusion and reduce the publics confidence in vaccines, leading to vaccine hesitancy and resistance. Recent years have witnessed the fast rise of such anti-vaccine posts in a variety of linguistic and visual forms in online networks, posing a great challenge for effective content moderation and tracking. Extending previous work on leveraging textual information to understand vaccine information, this paper presents Insta-VAX, a new multi-modal dataset consisting of a sample of 64,957 Instagram posts related to human vaccines. We applied a crowdsourced annotation procedure verified by two trained expert judges to this dataset. We then bench-marked several state-of-the-art NLP and computer vision classifiers to detect whether the posts show anti-vaccine attitude and whether they contain misinformation. Extensive experiments and analyses demonstrate the multimodal models can classify the posts more accurately than the uni-modal models, but still need improvement especially on visual context understanding and external knowledge cooperation. The dataset and classifiers contribute to monitoring and tracking of vaccine discussions for social scientific and public health efforts in combating the problem of vaccine misinformation.
• Abstract（参考訳）: 誤情報の投稿を含むソーシャルメディア上での反ワクチン投稿の共有は、混乱を生じさせ、ワクチンに対する大衆の信頼を低下させ、ワクチンの嫌悪感と抵抗に繋がる。 近年、オンラインネットワークにおける様々な言語的、視覚的形態の予防接種ポストが急速に増加し、効果的なコンテンツモデレーションとトラッキングに大きな課題が持ち上がっている。 ワクチン情報を理解するためにテキスト情報を活用するというこれまでの取り組みを拡張し、ヒトワクチンに関連するinstagram投稿64,957本からなる、新しいマルチモーダルデータセットinsta-vaxを提案する。 このデータセットに2人の専門家が検証したクラウドソースのアノテーション手順を適用した。 次に,最先端のNLPおよびコンピュータビジョン分類器を用いて,ポストが予防接種的態度を示すか,誤情報を含むかを検出する。 大規模な実験と分析により、マルチモーダルモデルは、ユニモーダルモデルよりも正確にポストを分類できるが、特に視覚的文脈理解と外部知識協調において改善が必要であることが示された。 データセットと分類器は、ワクチン誤情報問題に対処する社会科学および公衆衛生活動のためのワクチン議論の監視と追跡に貢献する。

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)
• 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)
• 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)
• Classifying vaccine sentiment tweets by modelling domain-specific representation and commonsense knowledge into context-aware attentive GRU [9.8215089151757]
  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。
  論文  参考訳（メタデータ） (2021-06-17T15:16:08Z)
• 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)
• 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。