論文の概要: Understanding COVID-19 News Coverage using Medical NLP
- arxiv url: http://arxiv.org/abs/2203.10338v1
- Date: Sat, 19 Mar 2022 15:07:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-26 16:58:44.109991
- Title: Understanding COVID-19 News Coverage using Medical NLP
- Title(参考訳): 医療用NLPによるニュース報道の理解
- Authors: Ali Emre Varol, Veysel Kocaman, Hasham Ul Haq, David Talby
- Abstract要約: データセットには36,000以上の記事が含まれており、Spark NLP for Healthcareライブラリの臨床的および生物医学的自然言語処理(NLP)モデルを用いて分析されている。
この分析は、重要なエンティティとフレーズ、観察されたバイアス、そしてニュース報道における時間の経過とともに変化をカバーしている。
別の分析では、医薬品やワクチン製造者に関する逆薬イベントが抽出され、主要な報道機関によって報告された場合、ワクチンのヘシタシーに影響を及ぼす。
- 参考スコア(独自算出の注目度): 5.161531917413708
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Being a global pandemic, the COVID-19 outbreak received global media
attention. In this study, we analyze news publications from CNN and The
Guardian - two of the world's most influential media organizations. The dataset
includes more than 36,000 articles, analyzed using the clinical and biomedical
Natural Language Processing (NLP) models from the Spark NLP for Healthcare
library, which enables a deeper analysis of medical concepts than previously
achieved. The analysis covers key entities and phrases, observed biases, and
change over time in news coverage by correlating mined medical symptoms,
procedures, drugs, and guidance with commonly mentioned demographic and
occupational groups. Another analysis is of extracted Adverse Drug Events about
drug and vaccine manufacturers, which when reported by major news outlets has
an impact on vaccine hesitancy.
- Abstract(参考訳): 新型コロナウイルスの感染拡大は、世界的なメディアの注目を集めた。
本研究では,世界有数のメディア組織であるCNNとThe Guardianのニュース出版物を分析した。
データセットには36,000以上の記事が含まれており、Spark NLP for Healthcareライブラリから臨床および生物医学的な自然言語処理(NLP)モデルを用いて分析されている。
分析は、主要な実体やフレーズ、観察されたバイアス、ニュース報道の時間とともに、一般的に言及される人口統計学的、職業的グループと、採掘された医学的症状、手順、薬物、ガイダンスを関連付けることで変化する。
別の分析では、薬物およびワクチン製造者に関する有害薬物の抽出現象が、主要な報道機関によって報告された場合、ワクチンのヒューシタンシーに影響を及ぼす。
関連論文リスト
- LED down the rabbit hole: exploring the potential of global attention
for biomedical multi-document summarisation [59.307534363825816]
我々はPRIMERAをバイオメディカル領域に適応させ,重要なバイオメディカルエンティティにグローバルな注意を払っている。
結果から得られた23モデルの出力を分析し, 追加のグローバルアテンションの存在に関連する結果のパターンを報告する。
論文 参考訳(メタデータ) (2022-09-19T01:13:42Z) - 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) - "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) - Topic Modeling, Clade-assisted Sentiment Analysis, and Vaccine Brand
Reputation Analysis of COVID-19 Vaccine-related Facebook Comments in the
Philippines [0.0]
本稿では、トピックモデリング、感情分析、ワクチンブランドの評判分析を行うための半教師付き機械学習パイプラインを提案する。
結果は、あらゆる種類の新型コロナウイルスの誤報が、世論の創発的な特性であることを示唆している。
論文 参考訳(メタデータ) (2021-10-11T11:08:38Z) - COVID-19 and Big Data: Multi-faceted Analysis for Spatio-temporal
Understanding of the Pandemic with Social Media Conversations [4.07452542897703]
ソーシャルメディアプラットフォームは、新型コロナウイルス(COVID-19)に関する世界的な会話の手段として機能している。
本稿では,パンデミックを取り巻くソーシャルメディア会話の重要コンテンツと特徴の分析,マイニング,追跡のための枠組みを提案する。
論文 参考訳(メタデータ) (2021-04-22T00:45:50Z) - Neural language models for text classification in evidence-based
medicine [3.5770353345663044]
エビデンス・ベース・メディカル(EBM)は、毎日発行される大量の研究論文とプレプリントのために、これまでになく挑戦されている。
本稿では,学術論文を分類し,エピステミコスを支援するための応用研究プロジェクトの結果を報告する。
我々はいくつかの手法を検証し、XLNetニューラルネットワークモデルに基づく最良の手法は、F1スコアの平均で現在のアプローチを93%改善する。
論文 参考訳(メタデータ) (2020-12-01T15:53:44Z) - 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) - EPIC30M: An Epidemics Corpus Of Over 30 Million Relevant Tweets [2.7718973516070684]
EPIC30Mは大規模な流行企業で、Twitterから3000万のマイクロブログ投稿がクロールされている。
EPIC30Mには、エボラ、コレラ、豚インフルエンザという3つの一般的な病気に関連する2200万ツイートのサブセットと、2009年のH1N1豚インフルエンザ、2010年のハイチ・コレラ、2012年の中東呼吸症候群(MERS)、2013年の西アフリカエボラ、2016年のイエメン・コレラ、2018年のキブ・エボラを含む6つの世界的な流行の470万ツイートのサブセットが含まれている。
論文 参考訳(メタデータ) (2020-06-09T13:23:00Z) - 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) - Mining Coronavirus (COVID-19) Posts in Social Media [3.04585143845864]
世界保健機関(WHO)は2020年3月11日、新型コロナウイルス(COVID-19)を世界的なパンデミックと位置づけた。
本稿では,最先端機械学習モデルを用いたソーシャルメディア利用者投稿から,新型コロナウイルスの陽性報告を自動的に検出する研究の予備的結果を報告する。
論文 参考訳(メタデータ) (2020-03-28T23:38:50Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳(メタデータ) (2020-03-25T12:30:33Z)
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。