論文の概要: CoNTACT: A Dutch COVID-19 Adapted BERT for Vaccine Hesitancy and Argumentation Detection

• arxiv url: http://arxiv.org/abs/2203.07362v1
• Date: Mon, 14 Mar 2022 17:55:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-15 15:52:09.096527
• Title: CoNTACT: A Dutch COVID-19 Adapted BERT for Vaccine Hesitancy and Argumentation Detection
• Title（参考訳）: CoNTACT:オランダの新型コロナウイルスに適応したBERTによるワクチン治療と調合検出
• Authors: Jens Lemmens, Jens Van Nooten, Tim Kreutz, Walter Daelemans
• Abstract要約: CoNTACTは、新型コロナウイルスのツイートのドメインに適応したオランダ語モデルである。 本研究は,(1)バイナリワクチンヘシタシーの検出と(2)ワクチンヘシタシーの議論の検出の2つの課題について検討した。
• 参考スコア（独自算出の注目度）: 3.809702129519641
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present CoNTACT: a Dutch language model adapted to the domain of COVID-19 tweets. The model was developed by continuing the pre-training phase of RobBERT (Delobelle, 2020) by using 2.8M Dutch COVID-19 related tweets posted in 2021. In order to test the performance of the model and compare it to RobBERT, the two models were tested on two tasks: (1) binary vaccine hesitancy detection and (2) detection of arguments for vaccine hesitancy. For both tasks, not only Twitter but also Facebook data was used to show cross-genre performance. In our experiments, CoNTACT showed statistically significant gains over RobBERT in all experiments for task 1. For task 2, we observed substantial improvements in virtually all classes in all experiments. An error analysis indicated that the domain adaptation yielded better representations of domain-specific terminology, causing CoNTACT to make more accurate classification decisions.
• Abstract（参考訳）: 我々は、covid-19のツイートのドメインに適応したオランダ語モデルであるコンタクトを提示する。 このモデルは、2021年に投稿されたオランダのCOVID-19関連ツイート2.8Mを使用して、RobBERT(Delobelle, 2020)の事前トレーニングフェーズを継続することで開発された。 モデルの性能をテストし、それをrobbertと比較するために、(1)二成分ワクチンのヘシタンシー検出と(2)ワクチンのヘシタンシーに関する議論の検出という2つの課題で2つのモデルがテストされた。 どちらのタスクでも、TwitterだけでなくFacebookのデータもクロスジャンルのパフォーマンスを示すために使われた。 実験では, タスク1の全ての実験において, CoNTACTはRobBERTよりも統計的に有意な上昇を示した。 タスク2では、すべての実験で事実上すべてのクラスが大幅に改善されました。 誤り解析により、ドメイン適応はドメイン固有の用語の表現をより良くし、CoNTACTがより正確な分類決定を行うことを示した。

関連論文リスト

• Detecting the Presence of COVID-19 Vaccination Hesitancy from South African Twitter Data Using Machine Learning [0.9830751917335564]
  ワクチン接種はパンデミックと戦う主要なツールだが、ワクチンのヘシタシーは公衆衛生の努力を危険にさらしている。 そこで本研究では,AIを用いた分類モデルの訓練を目的とした,ワクチンのヘシタシーに関連する南アフリカのツイートに対する感情分析を行った。
  論文  参考訳（メタデータ） (2023-07-12T13:28:37Z)
• 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)
• Adaptation of domain-specific transformer models with text oversampling for sentiment analysis of social media posts on Covid-19 vaccines [8.115075181267105]
  コビッドウイルスは世界中に広がり、その急増に対応するためにいくつかのワクチンが開発されている。 ソーシャルメディア投稿からワクチンに関連する正しい感情を特定するために、Covid-19ワクチンに関連するツイートに対して、さまざまな最先端の事前訓練されたトランスフォーマーモデルを微調整する。
  論文  参考訳（メタデータ） (2022-09-22T12:36:40Z)
• Learning Invariant Representations across Domains and Tasks [81.30046935430791]
  本稿では,この教師なしタスク転送問題を解決するための新しいタスク適応ネットワーク(tan)を提案する。 ドメイン・アドバーサル・トレーニングによる伝達可能な機能を学習することに加えて、学習から学習への戦略を用いてタスクの意味を適応させる新しいタスク・セマンティクス・アダプタを提案する。 TANは最近の強いベースラインに比べてリコールとF1スコアを5.0%と7.8%大きく向上させた。
  論文  参考訳（メタデータ） (2021-03-03T11:18:43Z)
• Combat COVID-19 Infodemic Using Explainable Natural Language Processing Models [15.782463163357976]
  新型コロナの誤報対策として,DistilBERTとSHAPに基づく説明可能な自然言語処理モデルを提案する。 その結果は、新型コロナウイルスの誤報の検出と公衆の信頼向上に良い影響を与えました。
  論文  参考訳（メタデータ） (2021-03-01T04:28:39Z)
• CIA_NITT at WNUT-2020 Task 2: Classification of COVID-19 Tweets Using Pre-trained Language Models [0.0]
  我々はこれをバイナリテキスト分類問題として扱い、事前訓練された言語モデルを用いて実験する。 我々はCT-BERTをベースとしたF1スコアを88.7%、CT-BERT、RoBERTa、SVMのアンサンブルであるF1スコアを88.52%とする。
  論文  参考訳（メタデータ） (2020-09-12T12:59:54Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
  新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。 近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。 本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
  論文  参考訳（メタデータ） (2020-04-30T03:13:40Z)
• How Reliable are Test Numbers for Revealing the COVID-19 Ground Truth and Applying Interventions? [46.7055935992312]
  新型コロナウイルスの感染が確認された症例の数は、多くの場合、実際の真実の数の代理として使用される。 我々は様々なテストポリシーをシミュレートできるエージェントベースのシミュレーションフレームワークをPythonで開発する。 RST(Random Symptomatic Testing)、CT(Contact Tracing)、LBT(Location Based Testing)の3つのテストポリシのパフォーマンスを比較した。
  論文  参考訳（メタデータ） (2020-04-24T17:39:49Z)

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。