論文の概要: CAVES: A Dataset to facilitate Explainable Classification and Summarization of Concerns towards COVID Vaccines

• arxiv url: http://arxiv.org/abs/2204.13746v2
• Date: Fri, 11 Nov 2022 14:16:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:33:13.103317
• Title: CAVES: A Dataset to facilitate Explainable Classification and Summarization of Concerns towards COVID Vaccines
• Title（参考訳）: CAVES: ウイルスワクチンに関する説明可能な分類と要約を容易にするデータセット
• Authors: Soham Poddar, Azlaan Mustafa Samad, Rajdeep Mukherjee, Niloy Ganguly, Saptarshi Ghosh
• Abstract要約: CAVESは、新型コロナウイルス(COVID-19)の抗ワクチンツイートをさまざまな特定の抗ワクチンの懸念にラベル付けした最初の大規模データセットです。 これはまた、ラベルごとに説明を提供する最初のマルチラベル分類データセットである。
• 参考スコア（独自算出の注目度）: 18.617543658780367
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Convincing people to get vaccinated against COVID-19 is a key societal challenge in the present times. As a first step towards this goal, many prior works have relied on social media analysis to understand the specific concerns that people have towards these vaccines, such as potential side-effects, ineffectiveness, political factors, and so on. Though there are datasets that broadly classify social media posts into Anti-vax and Pro-Vax labels, there is no dataset (to our knowledge) that labels social media posts according to the specific anti-vaccine concerns mentioned in the posts. In this paper, we have curated CAVES, the first large-scale dataset containing about 10k COVID-19 anti-vaccine tweets labelled into various specific anti-vaccine concerns in a multi-label setting. This is also the first multi-label classification dataset that provides explanations for each of the labels. Additionally, the dataset also provides class-wise summaries of all the tweets. We also perform preliminary experiments on the dataset and show that this is a very challenging dataset for multi-label explainable classification and tweet summarization, as is evident by the moderate scores achieved by some state-of-the-art models. Our dataset and codes are available at: https://github.com/sohampoddar26/caves-data
• Abstract（参考訳）: 新型コロナウイルスに対するワクチン接種を強制することは、現代において重要な社会的課題である。 この目標に向かう第一歩として、多くの先行研究はソーシャルメディア分析に依存し、潜在的な副作用、非効率性、政治的要因など、人々がこれらのワクチンに対して抱いている特定の懸念を理解する。 ソーシャルメディアの投稿を広範にアンチvaxとプロvaxのラベルに分類するデータセットはあるが、投稿に言及されている特定の反真空懸念に応じてソーシャルメディアの投稿をラベル付けするデータセット(われわれの知る限り)は存在しない。 本稿では,約10kのCOVID-19アンチワクチンツイートを含む最初の大規模データセットであるCAVESを,複数ラベル設定で様々な特定の抗ワクチンの懸念にラベル付けした。 これはまた、ラベルごとに説明を提供する最初のマルチラベル分類データセットである。 さらに、データセットはすべてのツイートのクラスレベルの要約も提供する。 また,データセットに関する予備的な実験を行い,いくつかの最先端モデルによって得られた適度なスコアから明らかなように,マルチラベル説明可能な分類とツイート要約のための非常に困難なデータセットであることを示す。 私たちのデータセットとコードは、https://github.com/sohampoddar26/caves-dataで利用可能です。

関連論文リスト

• Labeled Datasets for Research on Information Operations [71.34999856621306]
  ソーシャルメディアプラットフォームによって検証されたIOポストと、同様のトピックを同じ時間フレーム(制御データ)で議論した303kアカウントによる1300万以上の投稿の両方を含む、26のキャンペーンに関するラベル付きデータセットを新たに提示する。 データセットは、さまざまなキャンペーンや国で調整されたアカウントによって使用される物語、ネットワークインタラクション、エンゲージメント戦略の研究を促進する。
  論文  参考訳（メタデータ） (2024-11-15T22:15:01Z)
• Analyzing COVID-19 Vaccination Sentiments in Nigerian Cyberspace: Insights from a Manually Annotated Twitter Dataset [2.820717448579396]
  ナイジェリアにおけるワクチンの受け入れについて,トランスフォーマーに基づく言語モデルを用いて検討する。 関連するハッシュタグとキーワードを用いて複数言語ツイートをクロールすることで,新しいデータセットを開発した。 分析と可視化の結果、ほとんどのツイートは新型コロナウイルスワクチンに関する中立的な感情を表しており、一部の人は肯定的な見解を示しています。
  論文  参考訳（メタデータ） (2024-01-23T22:49:19Z)
• Into the LAIONs Den: Investigating Hate in Multimodal Datasets [67.21783778038645]
  本稿では、LAION-400MとLAION-2Bの2つのデータセットの比較監査を通して、ヘイトフルコンテンツに対するデータセットのスケーリングの効果について検討する。 その結果、データセットのスケールによってヘイトコンテンツは12%近く増加し、質的にも定量的にも測定された。 また、画像のみに基づいて算出されたNot Safe For Work(NSFW)値に基づくデータセットの内容のフィルタリングは、アルトテキストにおける有害なコンテンツをすべて排除するものではないことがわかった。
  論文  参考訳（メタデータ） (2023-11-06T19:00:05Z)
• 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)
• 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)
• CoVaxNet: An Online-Offline Data Repository for COVID-19 Vaccine Hesitancy Research [39.82073461647643]
  人口のかなりの割合は、いまだに新型コロナウイルス(COVID-19)に対するワクチン接種を控えている。 既存のデータセットはこれらすべての側面をカバーできないため、ワクチンのヘシタシーの問題についての推論において、完全な図を作成することは困難である。 本稿では,マルチソース,マルチモーダル,マルチ機能オンラインオフラインデータリポジトリCoVaxNetを構築する。
  論文  参考訳（メタデータ） (2022-06-30T05:58:35Z)
• 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)
• ArCovidVac: Analyzing Arabic Tweets About COVID-19 Vaccination [7.594204373985492]
  新型コロナウイルス(COVID-19)予防接種キャンペーンのために、手動で注釈付けされた最初のアラビアのツイートデータセットArCovidVacをリリースしました。 データセットには、(i)Informativeness(より重要でないツイート)、(ii)きめ細かいツイートコンテンツタイプ(アドバイス、噂、制限、認証されたニュース/情報)、(iii)予防接種に対するスタンスなど、さまざまなアノテーション層が組み込まれている。
  論文  参考訳（メタデータ） (2022-01-17T16:19:21Z)
• 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)
• COVID-19 Vaccine Hesitancy on Social Media: Building a Public Twitter Dataset of Anti-vaccine Content, Vaccine Misinformation and Conspiracies [10.505633521103018]
  新型コロナウイルスワクチンに関する偽の主張は、現在進行中の予防接種キャンペーンに対する公衆の信頼を損なう可能性がある。 われわれは、強力な抗ワクチン姿勢を示すTwitter投稿のデータセットを提示する。
  論文  参考訳（メタデータ） (2021-05-11T15:43:41Z)
• 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。